https://wybory.gov.pl/prezydent20200628/pl/dane_w_arkuszach

https://blog.prokulski.science/index.php/2020/07/19/wyniki-wyborow-prezydenckich-2020-cos-wiecej-niz-mapki/

https://blog.prokulski.science/index.php/2020/02/28/mapy-w-pythonie/

https://bdl.stat.gov.pl/BDL/metadane/cechy/2137

https://bdl.stat.gov.pl/BDL/metadane/cechy/1944

https://matplotlib.org/3.1.0/tutorials/colors/colormaps.html

In [1]:
import os
import csv
from io import BytesIO
from io import TextIOWrapper
from zipfile import ZipFile
from urllib.request import urlopen
import pandas as pd
import matplotlib.pyplot as plt
import geopandas as gpd
import folium
import numpy as np
import seaborn as sns
from PIL import Image
from wordcloud import WordCloud, STOPWORDS, ImageColorGenerator
pd.options.display.max_columns = None
In [2]:
def get_current_working_directory():
        """
        :return:
        """
        current_path = os.getcwd()

        print("\n" + "Current Working Directory Set As: " + str(current_path) + "\n")

        return current_path
In [3]:
def change_current_working_directory(directory):
        """
        :param directory:
        :return:
        """
        if os.path.exists(directory):
            os.chdir(directory)
            print("\n" + "Working Directory Changed To: " + str(directory) + "\n")
        else:
            print("\n" + "Directory Does Not Exists. Working Directory Have Not Been Changed." + "\n")

        return str(os.getcwd())
In [4]:
def create_new_working_directory(directory):
    """
    :param directory:
    :return:
    """
    if os.path.exists(directory):
        print("\n" + "Directory: " + str(directory) + " Already Exists." + "\n")
    else:
        os.mkdir(directory)
        print("\n" + "New Directory Created: " + str(directory) + "\n")
In [5]:
def get_in_memory_data(url,file_name):
    zip_files = []
    resp = urlopen(url)
    with ZipFile(BytesIO(resp.read())) as zf:
        with zf.open(file_name, 'r') as infile:
            df = pd.read_csv(zf.open(file_name), delimiter=";")
            
    return df
In [6]:
def get_in_memory_data(url):
    zip_files = []
    resp = urlopen(url)
    with ZipFile(BytesIO(resp.read())) as zf:
        text_files = zf.infolist()
        for text_file in text_files:
            with zf.open(text_file, 'r') as infile:
                df = pd.read_csv(zf.open(text_file.filename), delimiter=";")
            
    return df
In [7]:
def get_list_of_files_from_directory(directory):
    """
    :param directory:
    :return:
    """
    list_of_files = []

    for item in os.listdir(directory):
        list_of_files.append(item)

    print("\n" + "List Of Files: " + str(list_of_files) + "\n" + "From Directory: " + str(directory) + "\n")

    return list_of_files
In [8]:
def df_to_csv(object_name, directory, csv_file_name):
    """
    :param object_name:
    :param directory:
    :param csv_file_name:
    :return:
    """
    #object_name = object_name.reset_index(inplace=True)
    object_name.to_csv(directory + csv_file_name + ".csv", header=True, index=False)

    print("\n" + str(csv_file_name) + ".csv Written Under Directory: " + str(directory) + "\n")
In [9]:
change_current_working_directory("C:\\Users\\KonuTech\\Downloads")

Working Directory Changed To: C:\Users\KonuTech\Downloads
Out[9]:
'C:\\Users\\KonuTech\\Downloads'
In [10]:
create_new_working_directory(directory=get_current_working_directory() + "\\election\\")

Current Working Directory Set As: C:\Users\KonuTech\Downloads


Directory: C:\Users\KonuTech\Downloads\election\ Already Exists.
In [11]:
change_current_working_directory(get_current_working_directory() + "\\election\\")

Current Working Directory Set As: C:\Users\KonuTech\Downloads


Working Directory Changed To: C:\Users\KonuTech\Downloads\election\
Out[11]:
'C:\\Users\\KonuTech\\Downloads\\election'
In [12]:
get_current_working_directory()

Current Working Directory Set As: C:\Users\KonuTech\Downloads\election
Out[12]:
'C:\\Users\\KonuTech\\Downloads\\election'

Candidates of FIRST round

In [13]:
candidates_of_first_round = get_in_memory_data(url="https://wybory.gov.pl/prezydent20200628/data/1/csv/kandydaci_csv.zip")
candidates_of_first_round = candidates_of_first_round.set_index('Nazwisko')
candidates_of_first_round.head(3)
Out[13]:
Pozycja na karcie Imiona Płeć Wiek Wykształcenie Zawód Miejsce pracy Miejsce zamieszkania Przynależność do partii Nazwa komitetu Sygnatura TERYT m. z. Gmina m.z. Liczba głosów Procent wszystkich głosów Wybrany Druga tura
Nazwisko
BIEDROŃ 1 Robert Mężczyzna 44 wyższe politologiczne poseł do Parlamentu Europejskiego NaN Warszawa członek partii politycznej: Wiosna Roberta Bie... KOMITET WYBORCZY KANDYDATA NA PREZYDENTA RZECZ... ZPOW-6020-6/20 146501 Warszawa 432129 2,22 Nie Nie
BOSAK 2 Krzysztof Mężczyzna 38 średnie poseł na Sejm Rzeczypospolitej Polskiej NaN Warszawa członek partii politycznej: Konfederacja Wolno... KOMITET WYBORCZY KANDYDATA NA PREZYDENTA RZECZ... ZPOW-6020-1/20 146501 Warszawa 1317380 6,78 Nie Nie
DUDA 3 Andrzej Sebastian Mężczyzna 48 wyższe prawnicze Prezydent Rzeczypospolitej Polskiej NaN Kraków nie należy do partii politycznej KOMITET WYBORCZY KANDYDATA NA PREZYDENTA RZECZ... ZPOW-6020-5/20 126101 m. Kraków 8450513 43,50 Nie Tak
In [14]:
candidates_of_first_round['Procent wszystkich głosów'] = candidates_of_first_round['Procent wszystkich głosów'].apply(lambda x: x.replace(',','.'))
candidates_of_first_round['Procent wszystkich głosów'] = pd.to_numeric(candidates_of_first_round['Procent wszystkich głosów'],errors='coerce')
candidates_of_first_round.sort_values('Procent wszystkich głosów',inplace=True)
In [15]:
sns.set(font_scale=1.2)
candidates_of_first_round["Procent wszystkich głosów"].plot(kind='barh', stacked=True, colormap='jet', figsize=(12,8)).legend(loc='center left', bbox_to_anchor=(1, 0.5))
plt.title("Results of FIRST presidential election round in percentages")
plt.xlabel("Candidates")
plt.show()

Voting wards after the FIRST round of elections

In [16]:
voting_wards_after_the_first_round_of_elections = get_in_memory_data(url="https://wybory.gov.pl/prezydent20200628/data/1/csv/obwody_glosowania_csv.zip")
voting_wards_after_the_first_round_of_elections.head(3)
Out[16]:
Nr OKW TERYT gminy Gmina Powiat Numer Mieszkańcy Wyborcy Siedziba Miejscowość Ulica Numer posesji Numer lokalu Kod pocztowy Poczta Typ obwodu Przystosowany dla niepełnosprawnych Typ obszaru Pełna siedziba Opis granic
0 15 100108 gm. Zelów bełchatowski 10 0 50 Dom Pomocy Społecznej Zabłoty NaN 19 NaN 97-425 Zelów dom pomocy społecznej Nie wieś Dom Pomocy Społecznej, Zabłoty 19, 97-425 Zelów Dom Pomocy Społecznej w Zabłotach
1 49 321301 m. Darłowo sławieński 4 1616 1348 Niepubliczne Przedszkole "Jacek i Agatka" Darłowo ul. Zamkowa 6 NaN 76-150 Darłowo stały Nie miasto Niepubliczne Przedszkole "Jacek i Agatka", ul.... Ulice: Króla Eryka Pomorskiego, Henryka Wienia...
2 13 80602 gm. Drezdenko strzelecko-drezdenecki 10 1464 1174 Sala Wiejska w miejscowości Trzebicz Trzebicz Mostowa 3 NaN 66-530 Drezdenko stały Tak wieś Sala Wiejska w miejscowości Trzebicz, Trzebicz... Gmina Drezdenko, sołectwa: Bagniewo, Osów, Trz...

Composition of precinct election commissions in the FIRST round of elections

In [17]:
composition_of_precinct_election_commissions_in_the_first_round_of_elections = get_in_memory_data(url="https://wybory.gov.pl/prezydent20200628/data/1/csv/sklad_komisji_obwodowych_csv.zip")
composition_of_precinct_election_commissions_in_the_first_round_of_elections.head(3)
Out[17]:
TERYT gminy Nazwa gminy Powiat Nr obw. Nazwisko Imiona Funkcja
0 20101 m. Bolesławiec bolesławiecki 1 Glinicka-Grabowy Marta Anna Przewodniczący
1 20101 m. Bolesławiec bolesławiecki 1 Kowalczyk Alicja Rozalia Zastępca Przewodniczącego
2 20101 m. Bolesławiec bolesławiecki 1 Mikołajewska Marzena Monika Członek

Results of voting for candidates in the FIRST round of elections - by precincts

In [18]:
results_of_voting_for_candidates_in_the_FIRST_round_of_elections_by_precincts = get_in_memory_data(url="https://wybory.gov.pl/prezydent20200628/data/1/csv/wyniki_gl_na_kand_po_obwodach_csv.zip")
results_of_voting_for_candidates_in_the_FIRST_round_of_elections_by_precincts.head(3)

C:\ProgramData\Anaconda3\lib\site-packages\IPython\core\interactiveshell.py:3249: DtypeWarning: Columns (11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26,27,28,29,30,31,32,33,34,35,36,37,38,39,40,41,42,43) have mixed types. Specify dtype option on import or set low_memory=False.
  if (await self.run_code(code, result,  async_=asy)):
Out[18]:
Symbol kontrolny Nr OKW Kod TERYT Typ gminy Numer obwodu Typ obszaru Typ obwodu Siedziba Gmina Powiat Województwo Komisje obwodowe otrzymały kart do głosowania Liczba wyborców uprawnionych do głosowania Nie wykorzystano kart do głosowania Liczba wyborców, którym wydano karty do głosowania Liczba wyborców głosujących przez pełnomocnika Liczba wyborców głosujących na podstawie zaświadczenia o prawie do głosowania Liczba wyborców, którym wysłano pakiety wyborcze Liczba otrzymanych kopert zwrotnych Liczba kopert zwrotnych, w których nie było oświadczenia o osobistym i tajnym oddaniu głosu Liczba kopert zwrotnych, w których oświadczenie nie było podpisane Liczba kopert zwrotnych, w których nie było koperty na kartę do głosowania Liczba kopert zwrotnych, w których znajdowała się niezaklejona koperta na kartę do głosowania Liczba kopert na kartę do głosowania wrzuconych do urny Liczba kart wyjętych z urny W tym liczba kart wyjętych z kopert na kartę do głosowania Liczba kart nieważnych Liczba kart ważnych Liczba głosów nieważnych W tym z powodu postawienia znaku „X” obok nazwiska dwóch lub większej liczby kandydatów W tym z powodu niepostawienia znaku „X” obok nazwiska żadnego kandydata W tym z powodu postawienia znaku „X” wyłącznie obok skreślonego nazwiska kandydata Liczba głosów ważnych oddanych łącznie na wszystkich kandydatów Robert BIEDROŃ Krzysztof BOSAK Andrzej Sebastian DUDA Szymon Franciszek HOŁOWNIA Marek JAKUBIAK Władysław Marcin KOSINIAK-KAMYSZ Mirosław Mariusz PIOTROWSKI Paweł Jan TANAJNO Rafał Kazimierz TRZASKOWSKI Waldemar Włodzimierz WITKOWSKI Stanisław Józef ŻÓŁTEK
0 9924-e2c7-444e-4601-e5ef-60b9-f73d-d8ba 2.0 20101.0 gmina miejska 1 miasto stały Szkoła Podstawowa Nr 3, ul. Ceramiczna 5, 59-7... m. Bolesławiec bolesławiecki dolnośląskie 1432 1553 455 977 0 4 6 6 0 0 0 0 6 983 6 0 983 1 0 1 0 982 19 70 367 164 2 15 1 3 338 1 2
1 9219-f878-5ef7-3ad1-a3c7-d301-7c41-1eed 2.0 20101.0 gmina miejska 2 miasto stały Szkoła Podstawowa Nr 3, ul. Ceramiczna 5, 59-7... m. Bolesławiec bolesławiecki dolnośląskie 1239 1346 330 909 0 5 10 10 0 0 0 0 10 919 10 0 919 0 0 0 0 919 17 62 311 136 2 15 3 3 365 1 4
2 d0a4-75ae-b6b2-687c-05c7-7425-1924-887c 2.0 20101.0 gmina miejska 3 miasto stały Szkoła Podstawowa Nr 5, ul. Dolne Młyny 60, 59... m. Bolesławiec bolesławiecki dolnośląskie 1256 1414 358 898 0 5 6 6 0 0 0 0 6 904 6 0 904 2 0 2 0 902 19 66 326 176 0 9 0 0 300 1 5

Results of voting for candidates in the FIRST round of elections - percentage by precincts

In [19]:
results_of_voting_for_candidates_in_the_FIRST_round_of_elections_percentage_by_precincts = get_in_memory_data(url="https://wybory.gov.pl/prezydent20200628/data/1/csv/wyniki_gl_na_kand_po_obwodach_proc_csv.zip")
results_of_voting_for_candidates_in_the_FIRST_round_of_elections_percentage_by_precincts.head(3)
Out[19]:
Symbol kontrolny Nr OKW Kod TERYT Typ gminy Numer obwodu Typ obszaru Typ obwodu Siedziba Gmina Powiat Województwo Frekwencja % głosów nieważnych W tym z powodu postawienia znaku „X” obok nazwiska dwóch lub większej liczby kandydatów W tym z powodu niepostawienia znaku „X” obok nazwiska żadnego kandydata W tym z powodu postawienia znaku „X” wyłącznie obok skreślonego nazwiska kandydata % głosów ważnych Robert BIEDROŃ Krzysztof BOSAK Andrzej Sebastian DUDA Szymon Franciszek HOŁOWNIA Marek JAKUBIAK Władysław Marcin KOSINIAK-KAMYSZ Mirosław Mariusz PIOTROWSKI Paweł Jan TANAJNO Rafał Kazimierz TRZASKOWSKI Waldemar Włodzimierz WITKOWSKI Stanisław Józef ŻÓŁTEK
0 9924-e2c7-444e-4601-e5ef-60b9-f73d-d8ba 2.0 20101.0 gmina miejska 1 miasto stały Szkoła Podstawowa Nr 3, ul. Ceramiczna 5, 59-7... m. Bolesławiec bolesławiecki dolnośląskie 63,30 0,10 0,00 100,00 0,00 99,90 1,93 7,13 37,37 16,70 0,20 1,53 0,10 0,31 34,42 0,10 0,20
1 9219-f878-5ef7-3ad1-a3c7-d301-7c41-1eed 2.0 20101.0 gmina miejska 2 miasto stały Szkoła Podstawowa Nr 3, ul. Ceramiczna 5, 59-7... m. Bolesławiec bolesławiecki dolnośląskie 68,28 0,00 NaN NaN NaN 100,00 1,85 6,75 33,84 14,80 0,22 1,63 0,33 0,33 39,72 0,11 0,44
2 d0a4-75ae-b6b2-687c-05c7-7425-1924-887c 2.0 20101.0 gmina miejska 3 miasto stały Szkoła Podstawowa Nr 5, ul. Dolne Młyny 60, 59... m. Bolesławiec bolesławiecki dolnośląskie 63,93 0,22 0,00 100,00 0,00 99,78 2,11 7,32 36,14 19,51 0,00 1,00 0,00 0,00 33,26 0,11 0,55

Results of voting for candidates in the FIRST round of elections - by communes

In [20]:
results_of_voting_for_candidates_in_the_FIRST_round_of_elections_by_communes = get_in_memory_data(url="https://wybory.gov.pl/prezydent20200628/data/1/csv/wyniki_gl_na_kand_po_gminach_csv.zip")
results_of_voting_for_candidates_in_the_FIRST_round_of_elections_by_communes.head(3)
Out[20]:
Nr OKW Kod TERYT Rodzaj jednostki Gmina Powiat Województwo Komisje obwodowe otrzymały kart do głosowania Liczba wyborców uprawnionych do głosowania Nie wykorzystano kart do głosowania Liczba wyborców, którym wydano karty do głosowania Liczba wyborców głosujących przez pełnomocnika Liczba wyborców głosujących na podstawie zaświadczenia o prawie do głosowania Liczba wyborców, którym wysłano pakiety wyborcze Liczba otrzymanych kopert zwrotnych Liczba kopert zwrotnych, w których nie było oświadczenia o osobistym i tajnym oddaniu głosu Liczba kopert zwrotnych, w których oświadczenie nie było podpisane Liczba kopert zwrotnych, w których nie było koperty na kartę do głosowania Liczba kopert zwrotnych, w których znajdowała się niezaklejona koperta na kartę do głosowania Liczba kopert na kartę do głosowania wrzuconych do urny Liczba kart wyjętych z urny W tym liczba kart wyjętych z kopert na kartę do głosowania Liczba kart nieważnych Liczba kart ważnych Liczba głosów nieważnych W tym z powodu postawienia znaku „X” obok nazwiska dwóch lub większej liczby kandydatów W tym z powodu niepostawienia znaku „X” obok nazwiska żadnego kandydata W tym z powodu postawienia znaku „X” wyłącznie obok skreślonego nazwiska kandydata Liczba głosów ważnych oddanych łącznie na wszystkich kandydatów Robert BIEDROŃ Krzysztof BOSAK Andrzej Sebastian DUDA Szymon Franciszek HOŁOWNIA Marek JAKUBIAK Władysław Marcin KOSINIAK-KAMYSZ Mirosław Mariusz PIOTROWSKI Paweł Jan TANAJNO Rafał Kazimierz TRZASKOWSKI Waldemar Włodzimierz WITKOWSKI Stanisław Józef ŻÓŁTEK Liczba obwodów
0 2 20101 gmina miejska m. Bolesławiec bolesławiecki dolnośląskie 27641 29513 9246 18395 1 126 189 185 3 0 0 0 182 18574 182 7 18567 53 19 34 0 18514 450 1131 6465 2899 32 255 13 19 7183 24 43 23
1 2 20102 gmina wiejska gm. Bolesławiec bolesławiecki dolnośląskie 10296 11184 3354 6942 3 27 13 13 0 0 0 1 12 6954 12 0 6954 28 10 18 0 6926 132 506 2889 1217 7 118 8 5 2016 8 20 11
2 2 20103 gmina wiejska gm. Gromadka bolesławiecki dolnośląskie 4056 4302 1592 2464 3 10 10 9 0 0 0 0 9 2473 9 0 2473 12 4 8 0 2461 45 159 1365 261 3 54 0 4 561 3 6 4

Results of voting for candidates in the FIRST round of elections - percentage by communes

In [21]:
results_of_voting_for_candidates_in_the_FIRST_round_of_elections_percentage_by_communes = get_in_memory_data(url="https://wybory.gov.pl/prezydent20200628/data/1/csv/wyniki_gl_na_kand_po_gminach_proc_csv.zip")
results_of_voting_for_candidates_in_the_FIRST_round_of_elections_percentage_by_communes.head(3)
Out[21]:
Nr OKW Kod TERYT Rodzaj jednostki Gmina Powiat Województwo Frekwencja % głosów nieważnych W tym z powodu postawienia znaku „X” obok nazwiska dwóch lub większej liczby kandydatów W tym z powodu niepostawienia znaku „X” obok nazwiska żadnego kandydata W tym z powodu postawienia znaku „X” wyłącznie obok skreślonego nazwiska kandydata % głosów ważnych Robert BIEDROŃ Krzysztof BOSAK Andrzej Sebastian DUDA Szymon Franciszek HOŁOWNIA Marek JAKUBIAK Władysław Marcin KOSINIAK-KAMYSZ Mirosław Mariusz PIOTROWSKI Paweł Jan TANAJNO Rafał Kazimierz TRZASKOWSKI Waldemar Włodzimierz WITKOWSKI Stanisław Józef ŻÓŁTEK Liczba obwodów
0 2 20101 gmina miejska m. Bolesławiec bolesławiecki dolnośląskie 62,91 0,29 35,85 64,15 0,00 99,71 2,43 6,11 34,92 15,66 0,17 1,38 0,07 0,10 38,80 0,13 0,23 23
1 2 20102 gmina wiejska gm. Bolesławiec bolesławiecki dolnośląskie 62,18 0,40 35,71 64,29 0,00 99,60 1,91 7,31 41,71 17,57 0,10 1,70 0,12 0,07 29,11 0,12 0,29 11
2 2 20103 gmina wiejska gm. Gromadka bolesławiecki dolnośląskie 57,48 0,49 33,33 66,67 0,00 99,51 1,83 6,46 55,47 10,61 0,12 2,19 0,00 0,16 22,80 0,12 0,24 4

Results of voting for candidates in the FIRST round of elections - by poviats

In [22]:
results_of_voting_for_candidates_in_the_FIRST_round_of_elections_by_poviats = get_in_memory_data(url="https://wybory.gov.pl/prezydent20200628/data/1/csv/wyniki_gl_na_kand_po_powiatach_csv.zip")
results_of_voting_for_candidates_in_the_FIRST_round_of_elections_by_poviats.head(3)
Out[22]:
Nr OKW Kod TERYT Powiat Województwo Komisje obwodowe otrzymały kart do głosowania Liczba wyborców uprawnionych do głosowania Nie wykorzystano kart do głosowania Liczba wyborców, którym wydano karty do głosowania Liczba wyborców głosujących przez pełnomocnika Liczba wyborców głosujących na podstawie zaświadczenia o prawie do głosowania Liczba wyborców, którym wysłano pakiety wyborcze Liczba otrzymanych kopert zwrotnych Liczba kopert zwrotnych, w których nie było oświadczenia o osobistym i tajnym oddaniu głosu Liczba kopert zwrotnych, w których oświadczenie nie było podpisane Liczba kopert zwrotnych, w których nie było koperty na kartę do głosowania Liczba kopert zwrotnych, w których znajdowała się niezaklejona koperta na kartę do głosowania Liczba kopert na kartę do głosowania wrzuconych do urny Liczba kart wyjętych z urny W tym liczba kart wyjętych z kopert na kartę do głosowania Liczba kart nieważnych Liczba kart ważnych Liczba głosów nieważnych W tym z powodu postawienia znaku „X” obok nazwiska dwóch lub większej liczby kandydatów W tym z powodu niepostawienia znaku „X” obok nazwiska żadnego kandydata W tym z powodu postawienia znaku „X” wyłącznie obok skreślonego nazwiska kandydata Liczba głosów ważnych oddanych łącznie na wszystkich kandydatów Robert BIEDROŃ Krzysztof BOSAK Andrzej Sebastian DUDA Szymon Franciszek HOŁOWNIA Marek JAKUBIAK Władysław Marcin KOSINIAK-KAMYSZ Mirosław Mariusz PIOTROWSKI Paweł Jan TANAJNO Rafał Kazimierz TRZASKOWSKI Waldemar Włodzimierz WITKOWSKI Stanisław Józef ŻÓŁTEK Liczba obwodów
0 2 20100 bolesławiecki dolnośląskie 63490 68554 22570 40920 10 239 315 304 17 0 2 1 284 41201 284 7 41194 159 58 101 0 41035 852 2759 17053 6726 52 633 29 50 12732 52 97 63
1 4 20200 dzierżoniowski dolnośląskie 73223 78876 27052 46170 41 206 364 353 13 0 4 4 332 46503 332 4 46499 159 56 103 0 46340 1002 2824 20403 6336 55 687 46 82 14770 46 89 83
2 3 20300 głogowski dolnośląskie 62325 67357 20428 41897 15 240 273 262 7 0 1 0 254 42144 254 1 42143 124 38 86 0 42019 980 2499 18568 5969 42 736 44 57 13000 42 82 53

Results of voting for candidates in the FIRST round of elections - in percentage by poviats

In [23]:
results_of_voting_for_candidates_in_the_FIRST_round_of_elections_percentage_by_poviats = get_in_memory_data(url="https://wybory.gov.pl/prezydent20200628/data/1/csv/wyniki_gl_na_kand_po_powiatach_proc_csv.zip")
results_of_voting_for_candidates_in_the_FIRST_round_of_elections_percentage_by_poviats.head(3)
Out[23]:
Nr OKW Kod TERYT Powiat Województwo Frekwencja % głosów nieważnych W tym z powodu postawienia znaku „X” obok nazwiska dwóch lub większej liczby kandydatów W tym z powodu niepostawienia znaku „X” obok nazwiska żadnego kandydata W tym z powodu postawienia znaku „X” wyłącznie obok skreślonego nazwiska kandydata % głosów ważnych Robert BIEDROŃ Krzysztof BOSAK Andrzej Sebastian DUDA Szymon Franciszek HOŁOWNIA Marek JAKUBIAK Władysław Marcin KOSINIAK-KAMYSZ Mirosław Mariusz PIOTROWSKI Paweł Jan TANAJNO Rafał Kazimierz TRZASKOWSKI Waldemar Włodzimierz WITKOWSKI Stanisław Józef ŻÓŁTEK Liczba obwodów
0 2 20100 bolesławiecki dolnośląskie 60,09 0,39 36,48 63,52 0,00 99,61 2,08 6,72 41,56 16,39 0,13 1,54 0,07 0,12 31,03 0,13 0,24 63
1 4 20200 dzierżoniowski dolnośląskie 58,95 0,34 35,22 64,78 0,00 99,66 2,16 6,09 44,03 13,67 0,12 1,48 0,10 0,18 31,87 0,10 0,19 83
2 3 20300 głogowski dolnośląskie 62,57 0,29 30,65 69,35 0,00 99,71 2,33 5,95 44,19 14,21 0,10 1,75 0,10 0,14 30,94 0,10 0,20 53

Results of voting for candidates in the FIRST round of elections - by voivodship

In [24]:
results_of_voting_for_candidates_in_the_FIRST_round_of_elections_by_voivodship = get_in_memory_data(url="https://wybory.gov.pl/prezydent20200628/data/1/csv/wyniki_gl_na_kand_po_wojewodztwach_csv.zip")
results_of_voting_for_candidates_in_the_FIRST_round_of_elections_by_voivodship.head(3)
Out[24]:
Kod TERYT Województwo Komisje obwodowe otrzymały kart do głosowania Liczba wyborców uprawnionych do głosowania Nie wykorzystano kart do głosowania Liczba wyborców, którym wydano karty do głosowania Liczba wyborców głosujących przez pełnomocnika Liczba wyborców głosujących na podstawie zaświadczenia o prawie do głosowania Liczba wyborców, którym wysłano pakiety wyborcze Liczba otrzymanych kopert zwrotnych Liczba kopert zwrotnych, w których nie było oświadczenia o osobistym i tajnym oddaniu głosu Liczba kopert zwrotnych, w których oświadczenie nie było podpisane Liczba kopert zwrotnych, w których nie było koperty na kartę do głosowania Liczba kopert zwrotnych, w których znajdowała się niezaklejona koperta na kartę do głosowania Liczba kopert na kartę do głosowania wrzuconych do urny Liczba kart wyjętych z urny W tym liczba kart wyjętych z kopert na kartę do głosowania Liczba kart nieważnych Liczba kart ważnych Liczba głosów nieważnych W tym z powodu postawienia znaku „X” obok nazwiska dwóch lub większej liczby kandydatów W tym z powodu niepostawienia znaku „X” obok nazwiska żadnego kandydata W tym z powodu postawienia znaku „X” wyłącznie obok skreślonego nazwiska kandydata Liczba głosów ważnych oddanych łącznie na wszystkich kandydatów Robert BIEDROŃ Krzysztof BOSAK Andrzej Sebastian DUDA Szymon Franciszek HOŁOWNIA Marek JAKUBIAK Władysław Marcin KOSINIAK-KAMYSZ Mirosław Mariusz PIOTROWSKI Paweł Jan TANAJNO Rafał Kazimierz TRZASKOWSKI Waldemar Włodzimierz WITKOWSKI Stanisław Józef ŻÓŁTEK Liczba obwodów
0 20000 dolnośląskie 2053530 2254674 634256 1419339 1068 15004 13092 12501 431 29 120 56 11891 1431124 11887 171 1430953 4560 1562 2998 0 1426393 37245 91793 545001 201050 2323 27210 1353 2356 512357 2163 3542 1947
1 40000 kujawsko-pomorskie 1451436 1580004 493946 957480 796 7831 7551 7295 306 10 66 10 6906 964324 6906 50 964274 2814 1019 1795 0 961460 22250 56532 380190 148597 1310 24234 912 1309 322961 1082 2083 1653
2 60000 lubelskie 1530267 1679712 492682 1037595 1769 8080 10268 9915 414 14 75 27 9387 1046849 9387 92 1046757 3415 1090 2325 0 1043342 17010 83403 591234 108987 2095 31756 2268 1430 201571 1027 2561 1906

Results of voting for candidates in the FIRST round of elections - percentage by voivodship

In [25]:
results_of_voting_for_candidates_in_the_FIRST_round_of_elections_percentage_by_voivodship = get_in_memory_data(url="https://wybory.gov.pl/prezydent20200628/data/1/csv/wyniki_gl_na_kand_po_wojewodztwach_proc_csv.zip")
results_of_voting_for_candidates_in_the_FIRST_round_of_elections_percentage_by_voivodship.head(3)
Out[25]:
Kod TERYT Województwo Frekwencja % głosów nieważnych W tym z powodu postawienia znaku „X” obok nazwiska dwóch lub większej liczby kandydatów W tym z powodu niepostawienia znaku „X” obok nazwiska żadnego kandydata W tym z powodu postawienia znaku „X” wyłącznie obok skreślonego nazwiska kandydata % głosów ważnych Robert BIEDROŃ Krzysztof BOSAK Andrzej Sebastian DUDA Szymon Franciszek HOŁOWNIA Marek JAKUBIAK Władysław Marcin KOSINIAK-KAMYSZ Mirosław Mariusz PIOTROWSKI Paweł Jan TANAJNO Rafał Kazimierz TRZASKOWSKI Waldemar Włodzimierz WITKOWSKI Stanisław Józef ŻÓŁTEK Liczba obwodów
0 20000 dolnośląskie 63,47 0,32 34,25 65,75 0,00 99,68 2,61 6,44 38,21 14,09 0,16 1,91 0,09 0,17 35,92 0,15 0,25 1947
1 40000 kujawsko-pomorskie 61,03 0,29 36,21 63,79 0,00 99,71 2,31 5,88 39,54 15,46 0,14 2,52 0,09 0,14 33,59 0,11 0,22 1653
2 60000 lubelskie 62,32 0,33 31,92 68,08 0,00 99,67 1,63 7,99 56,67 10,45 0,20 3,04 0,22 0,14 19,32 0,10 0,25 1906
In [26]:
results_of_voting_for_candidates_in_the_FIRST_round_of_elections_percentage_by_voivodship['Procent wszystkich głosów'] = results_of_voting_for_candidates_in_the_FIRST_round_of_elections_percentage_by_voivodship['Robert BIEDROŃ'].apply(lambda x: x.replace(',','.'))
results_of_voting_for_candidates_in_the_FIRST_round_of_elections_percentage_by_voivodship['Procent wszystkich głosów'] = pd.to_numeric(results_of_voting_for_candidates_in_the_FIRST_round_of_elections_percentage_by_voivodship['Robert BIEDROŃ'],errors='coerce')
In [27]:
results_of_voting_for_candidates_in_the_FIRST_round_of_elections_percentage_by_voivodship_melted = results_of_voting_for_candidates_in_the_FIRST_round_of_elections_percentage_by_voivodship.melt(id_vars=["Kod TERYT", "Województwo", "Frekwencja", "% głosów nieważnych", "W tym z powodu postawienia znaku „X” obok nazwiska dwóch lub większej liczby kandydatów", "W tym z powodu niepostawienia znaku „X” obok nazwiska żadnego kandydata", "W tym z powodu postawienia znaku „X” wyłącznie obok skreślonego nazwiska kandydata", "% głosów ważnych", "Liczba obwodów"], 
        var_name="Candidate", 
        value_name="Percentage of votes")
results_of_voting_for_candidates_in_the_FIRST_round_of_elections_percentage_by_voivodship_melted
Out[27]:
Kod TERYT Województwo Frekwencja % głosów nieważnych W tym z powodu postawienia znaku „X” obok nazwiska dwóch lub większej liczby kandydatów W tym z powodu niepostawienia znaku „X” obok nazwiska żadnego kandydata W tym z powodu postawienia znaku „X” wyłącznie obok skreślonego nazwiska kandydata % głosów ważnych Liczba obwodów Candidate Percentage of votes
0 20000 dolnośląskie 63,47 0,32 34,25 65,75 0,00 99,68 1947 Robert BIEDROŃ 2,61
1 40000 kujawsko-pomorskie 61,03 0,29 36,21 63,79 0,00 99,71 1653 Robert BIEDROŃ 2,31
2 60000 lubelskie 62,32 0,33 31,92 68,08 0,00 99,67 1906 Robert BIEDROŃ 1,63
3 80000 lubuskie 61,41 0,32 31,65 68,35 0,00 99,68 720 Robert BIEDROŃ 2,20
4 100000 łódzkie 65,65 0,32 36,76 63,24 0,00 99,68 1733 Robert BIEDROŃ 2,30
... ... ... ... ... ... ... ... ... ... ... ...
187 240000 śląskie 64,32 0,29 36,08 63,92 0,00 99,71 2753 Procent wszystkich głosów NaN
188 260000 świętokrzyskie 62,09 0,31 36,36 63,64 0,00 99,69 989 Procent wszystkich głosów NaN
189 280000 warmińsko-mazurskie 57,13 0,35 28,12 71,88 0,00 99,65 1115 Procent wszystkich głosów NaN
190 300000 wielkopolskie 65,49 0,27 39,28 60,72 0,00 99,73 2186 Procent wszystkich głosów NaN
191 320000 zachodniopomorskie 61,69 0,33 32,10 67,90 0,00 99,67 1123 Procent wszystkich głosów NaN

192 rows × 11 columns

In [28]:
results_of_voting_for_candidates_in_the_FIRST_round_of_elections_percentage_by_voivodship_melted
Out[28]:
Kod TERYT Województwo Frekwencja % głosów nieważnych W tym z powodu postawienia znaku „X” obok nazwiska dwóch lub większej liczby kandydatów W tym z powodu niepostawienia znaku „X” obok nazwiska żadnego kandydata W tym z powodu postawienia znaku „X” wyłącznie obok skreślonego nazwiska kandydata % głosów ważnych Liczba obwodów Candidate Percentage of votes
0 20000 dolnośląskie 63,47 0,32 34,25 65,75 0,00 99,68 1947 Robert BIEDROŃ 2,61
1 40000 kujawsko-pomorskie 61,03 0,29 36,21 63,79 0,00 99,71 1653 Robert BIEDROŃ 2,31
2 60000 lubelskie 62,32 0,33 31,92 68,08 0,00 99,67 1906 Robert BIEDROŃ 1,63
3 80000 lubuskie 61,41 0,32 31,65 68,35 0,00 99,68 720 Robert BIEDROŃ 2,20
4 100000 łódzkie 65,65 0,32 36,76 63,24 0,00 99,68 1733 Robert BIEDROŃ 2,30
... ... ... ... ... ... ... ... ... ... ... ...
187 240000 śląskie 64,32 0,29 36,08 63,92 0,00 99,71 2753 Procent wszystkich głosów NaN
188 260000 świętokrzyskie 62,09 0,31 36,36 63,64 0,00 99,69 989 Procent wszystkich głosów NaN
189 280000 warmińsko-mazurskie 57,13 0,35 28,12 71,88 0,00 99,65 1115 Procent wszystkich głosów NaN
190 300000 wielkopolskie 65,49 0,27 39,28 60,72 0,00 99,73 2186 Procent wszystkich głosów NaN
191 320000 zachodniopomorskie 61,69 0,33 32,10 67,90 0,00 99,67 1123 Procent wszystkich głosów NaN

192 rows × 11 columns

In [29]:
results_of_voting_for_candidates_in_the_FIRST_round_of_elections_percentage_by_voivodship_melted.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 192 entries, 0 to 191
Data columns (total 11 columns):
Kod TERYT                                                                                  192 non-null int64
Województwo                                                                                192 non-null object
Frekwencja                                                                                 192 non-null object
% głosów nieważnych                                                                        192 non-null object
W tym z powodu postawienia znaku „X” obok nazwiska dwóch lub większej liczby kandydatów    192 non-null object
W tym z powodu niepostawienia znaku „X” obok nazwiska żadnego kandydata                    192 non-null object
W tym z powodu postawienia znaku „X” wyłącznie obok skreślonego nazwiska kandydata         192 non-null object
% głosów ważnych                                                                           192 non-null object
Liczba obwodów                                                                             192 non-null int64
Candidate                                                                                  192 non-null object
Percentage of votes                                                                        176 non-null object
dtypes: int64(2), object(9)
memory usage: 16.6+ KB
In [30]:
results_of_voting_for_candidates_in_the_FIRST_round_of_elections_percentage_by_voivodship_melted.dropna(inplace=True)
results_of_voting_for_candidates_in_the_FIRST_round_of_elections_percentage_by_voivodship_melted
Out[30]:
Kod TERYT Województwo Frekwencja % głosów nieważnych W tym z powodu postawienia znaku „X” obok nazwiska dwóch lub większej liczby kandydatów W tym z powodu niepostawienia znaku „X” obok nazwiska żadnego kandydata W tym z powodu postawienia znaku „X” wyłącznie obok skreślonego nazwiska kandydata % głosów ważnych Liczba obwodów Candidate Percentage of votes
0 20000 dolnośląskie 63,47 0,32 34,25 65,75 0,00 99,68 1947 Robert BIEDROŃ 2,61
1 40000 kujawsko-pomorskie 61,03 0,29 36,21 63,79 0,00 99,71 1653 Robert BIEDROŃ 2,31
2 60000 lubelskie 62,32 0,33 31,92 68,08 0,00 99,67 1906 Robert BIEDROŃ 1,63
3 80000 lubuskie 61,41 0,32 31,65 68,35 0,00 99,68 720 Robert BIEDROŃ 2,20
4 100000 łódzkie 65,65 0,32 36,76 63,24 0,00 99,68 1733 Robert BIEDROŃ 2,30
... ... ... ... ... ... ... ... ... ... ... ...
171 240000 śląskie 64,32 0,29 36,08 63,92 0,00 99,71 2753 Stanisław Józef ŻÓŁTEK 0,24
172 260000 świętokrzyskie 62,09 0,31 36,36 63,64 0,00 99,69 989 Stanisław Józef ŻÓŁTEK 0,20
173 280000 warmińsko-mazurskie 57,13 0,35 28,12 71,88 0,00 99,65 1115 Stanisław Józef ŻÓŁTEK 0,20
174 300000 wielkopolskie 65,49 0,27 39,28 60,72 0,00 99,73 2186 Stanisław Józef ŻÓŁTEK 0,22
175 320000 zachodniopomorskie 61,69 0,33 32,10 67,90 0,00 99,67 1123 Stanisław Józef ŻÓŁTEK 0,20

176 rows × 11 columns

In [31]:
results_of_voting_for_candidates_in_the_FIRST_round_of_elections_percentage_by_voivodship_melted['Percentage of votes'] = (results_of_voting_for_candidates_in_the_FIRST_round_of_elections_percentage_by_voivodship_melted['Percentage of votes'].replace('\.','', regex=True)
                        .replace(',','.', regex=True)
                        .astype(float))
In [32]:
results_of_voting_for_candidates_in_the_FIRST_round_of_elections_percentage_by_voivodship_melted
Out[32]:
Kod TERYT Województwo Frekwencja % głosów nieważnych W tym z powodu postawienia znaku „X” obok nazwiska dwóch lub większej liczby kandydatów W tym z powodu niepostawienia znaku „X” obok nazwiska żadnego kandydata W tym z powodu postawienia znaku „X” wyłącznie obok skreślonego nazwiska kandydata % głosów ważnych Liczba obwodów Candidate Percentage of votes
0 20000 dolnośląskie 63,47 0,32 34,25 65,75 0,00 99,68 1947 Robert BIEDROŃ 2.61
1 40000 kujawsko-pomorskie 61,03 0,29 36,21 63,79 0,00 99,71 1653 Robert BIEDROŃ 2.31
2 60000 lubelskie 62,32 0,33 31,92 68,08 0,00 99,67 1906 Robert BIEDROŃ 1.63
3 80000 lubuskie 61,41 0,32 31,65 68,35 0,00 99,68 720 Robert BIEDROŃ 2.20
4 100000 łódzkie 65,65 0,32 36,76 63,24 0,00 99,68 1733 Robert BIEDROŃ 2.30
... ... ... ... ... ... ... ... ... ... ... ...
171 240000 śląskie 64,32 0,29 36,08 63,92 0,00 99,71 2753 Stanisław Józef ŻÓŁTEK 0.24
172 260000 świętokrzyskie 62,09 0,31 36,36 63,64 0,00 99,69 989 Stanisław Józef ŻÓŁTEK 0.20
173 280000 warmińsko-mazurskie 57,13 0,35 28,12 71,88 0,00 99,65 1115 Stanisław Józef ŻÓŁTEK 0.20
174 300000 wielkopolskie 65,49 0,27 39,28 60,72 0,00 99,73 2186 Stanisław Józef ŻÓŁTEK 0.22
175 320000 zachodniopomorskie 61,69 0,33 32,10 67,90 0,00 99,67 1123 Stanisław Józef ŻÓŁTEK 0.20

176 rows × 11 columns

In [33]:
results_of_voting_for_candidates_in_the_FIRST_round_of_elections_percentage_by_voivodship_melted.info()

<class 'pandas.core.frame.DataFrame'>
Int64Index: 176 entries, 0 to 175
Data columns (total 11 columns):
Kod TERYT                                                                                  176 non-null int64
Województwo                                                                                176 non-null object
Frekwencja                                                                                 176 non-null object
% głosów nieważnych                                                                        176 non-null object
W tym z powodu postawienia znaku „X” obok nazwiska dwóch lub większej liczby kandydatów    176 non-null object
W tym z powodu niepostawienia znaku „X” obok nazwiska żadnego kandydata                    176 non-null object
W tym z powodu postawienia znaku „X” wyłącznie obok skreślonego nazwiska kandydata         176 non-null object
% głosów ważnych                                                                           176 non-null object
Liczba obwodów                                                                             176 non-null int64
Candidate                                                                                  176 non-null object
Percentage of votes                                                                        176 non-null float64
dtypes: float64(1), int64(2), object(8)
memory usage: 16.5+ KB
In [34]:
results_of_voting_for_candidates_in_the_FIRST_round_of_elections_percentage_by_voivodship_melted_subset = results_of_voting_for_candidates_in_the_FIRST_round_of_elections_percentage_by_voivodship_melted[["Województwo", "Candidate", "Percentage of votes"]]
results_of_voting_for_candidates_in_the_FIRST_round_of_elections_percentage_by_voivodship_melted_subset
Out[34]:
Województwo Candidate Percentage of votes
0 dolnośląskie Robert BIEDROŃ 2.61
1 kujawsko-pomorskie Robert BIEDROŃ 2.31
2 lubelskie Robert BIEDROŃ 1.63
3 lubuskie Robert BIEDROŃ 2.20
4 łódzkie Robert BIEDROŃ 2.30
... ... ... ...
171 śląskie Stanisław Józef ŻÓŁTEK 0.24
172 świętokrzyskie Stanisław Józef ŻÓŁTEK 0.20
173 warmińsko-mazurskie Stanisław Józef ŻÓŁTEK 0.20
174 wielkopolskie Stanisław Józef ŻÓŁTEK 0.22
175 zachodniopomorskie Stanisław Józef ŻÓŁTEK 0.20

176 rows × 3 columns

In [35]:
results_of_voting_for_candidates_in_the_FIRST_round_of_elections_percentage_by_voivodship_unstacked = results_of_voting_for_candidates_in_the_FIRST_round_of_elections_percentage_by_voivodship_melted_subset.set_index(["Województwo", "Candidate"])
results_of_voting_for_candidates_in_the_FIRST_round_of_elections_percentage_by_voivodship_unstacked
Out[35]:
Percentage of votes
Województwo Candidate
dolnośląskie Robert BIEDROŃ 2.61
kujawsko-pomorskie Robert BIEDROŃ 2.31
lubelskie Robert BIEDROŃ 1.63
lubuskie Robert BIEDROŃ 2.20
łódzkie Robert BIEDROŃ 2.30
... ... ...
śląskie Stanisław Józef ŻÓŁTEK 0.24
świętokrzyskie Stanisław Józef ŻÓŁTEK 0.20
warmińsko-mazurskie Stanisław Józef ŻÓŁTEK 0.20
wielkopolskie Stanisław Józef ŻÓŁTEK 0.22
zachodniopomorskie Stanisław Józef ŻÓŁTEK 0.20

176 rows × 1 columns

In [36]:
results_of_voting_for_candidates_in_the_FIRST_round_of_elections_percentage_by_voivodship_unstacked = results_of_voting_for_candidates_in_the_FIRST_round_of_elections_percentage_by_voivodship_unstacked.unstack(level=-1)
results_of_voting_for_candidates_in_the_FIRST_round_of_elections_percentage_by_voivodship_unstacked
Out[36]:
Percentage of votes
Candidate Andrzej Sebastian DUDA Krzysztof BOSAK Marek JAKUBIAK Mirosław Mariusz PIOTROWSKI Paweł Jan TANAJNO Rafał Kazimierz TRZASKOWSKI Robert BIEDROŃ Stanisław Józef ŻÓŁTEK Szymon Franciszek HOŁOWNIA Waldemar Włodzimierz WITKOWSKI Władysław Marcin KOSINIAK-KAMYSZ
Województwo
dolnośląskie 38.21 6.44 0.16 0.09 0.17 35.92 2.61 0.25 14.09 0.15 1.91
kujawsko-pomorskie 39.54 5.88 0.14 0.09 0.14 33.59 2.31 0.22 15.46 0.11 2.52
lubelskie 56.67 7.99 0.20 0.22 0.14 19.32 1.63 0.25 10.45 0.10 3.04
lubuskie 34.19 6.07 0.14 0.09 0.16 36.94 2.20 0.19 17.87 0.12 2.02
mazowieckie 40.71 6.52 0.22 0.11 0.15 34.30 2.55 0.24 12.74 0.19 2.27
małopolskie 51.11 7.76 0.18 0.10 0.12 23.92 1.92 0.28 11.54 0.13 2.94
opolskie 40.46 6.11 0.16 0.10 0.14 31.88 1.84 0.21 16.64 0.12 2.33
podkarpackie 60.69 8.96 0.18 0.11 0.11 16.23 1.39 0.22 9.46 0.08 2.56
podlaskie 50.59 7.73 0.18 0.11 0.13 20.60 1.58 0.23 16.63 0.09 2.11
pomorskie 33.82 6.22 0.14 0.10 0.15 38.58 2.57 0.23 16.13 0.14 1.91
warmińsko-mazurskie 40.10 6.69 0.17 0.10 0.15 33.00 2.21 0.20 14.78 0.12 2.48
wielkopolskie 37.85 6.04 0.14 0.10 0.14 33.83 2.34 0.22 16.64 0.18 2.51
zachodniopomorskie 35.38 5.59 0.15 0.09 0.16 37.91 2.67 0.20 15.67 0.13 2.06
łódzkie 46.63 6.15 0.17 0.10 0.14 28.74 2.30 0.23 12.92 0.13 2.47
śląskie 41.22 7.08 0.16 0.11 0.16 31.28 2.29 0.24 15.39 0.14 1.92
świętokrzyskie 56.02 6.93 0.17 0.10 0.11 21.29 1.75 0.20 10.17 0.09 3.18
In [37]:
results_of_voting_for_candidates_in_the_FIRST_round_of_elections_percentage_by_voivodship_unstacked.plot(kind='bar', stacked=True, colormap='jet', figsize=(12,8)).legend(loc='center left', bbox_to_anchor=(1, 0.5))
#plt.title("Frequency of genres by year 2000 - 2013. So far for data after 2013 is undersampled")
#plt.show()
Out[37]:
<matplotlib.legend.Legend at 0x164a479f588>

Candidates of SECOND round

In [38]:
candidates_of_second_round = get_in_memory_data(url="https://wybory.gov.pl/prezydent20200628/data/2/csv/kandydaci_csv.zip")
candidates_of_second_round.head(3)
Out[38]:
Pozycja na karcie Nazwisko Imiona Płeć Wiek Wykształcenie Zawód Miejsce pracy Miejsce zamieszkania Przynależność do partii Nazwa komitetu Sygnatura TERYT m. z. Gmina m.z. Liczba głosów Procent wszystkich głosów Wybrany
0 1 DUDA Andrzej Sebastian Mężczyzna 48 wyższe prawnicze Prezydent Rzeczypospolitej Polskiej NaN Kraków nie należy do partii politycznej KOMITET WYBORCZY KANDYDATA NA PREZYDENTA RZECZ... ZPOW-6020-5/20 126101 m. Kraków 10440648 51,03 Tak
1 2 TRZASKOWSKI Rafał Kazimierz Mężczyzna 48 wyższe politologiczne pracownik samorządowy Urząd m.st. Warszawy Warszawa członek partii politycznej: Platforma Obywatel... KOMITET WYBORCZY KANDYDATA NA PREZYDENTA RZECZ... ZPOW-6020-41/20 146501 Warszawa 10018263 48,97 Nie
In [39]:
candidates_of_second_round['Procent wszystkich głosów'] = candidates_of_second_round['Procent wszystkich głosów'].apply(lambda x: x.replace(',','.'))
candidates_of_second_round['Procent wszystkich głosów'] = pd.to_numeric(candidates_of_second_round['Procent wszystkich głosów'],errors='coerce')
In [40]:
labels = candidates_of_second_round["Nazwisko"]
sizes = candidates_of_second_round["Procent wszystkich głosów"]
fig1, ax1 = plt.subplots()
ax1.pie(sizes, labels=labels, autopct='%1.f%%', shadow=True, startangle=90, labeldistance=0.8)

plt.show()

Voting wards in the SECOND round of elections

In [41]:
voting_wards_after_the_second_round_of_elections = get_in_memory_data(url="https://wybory.gov.pl/prezydent20200628/data/2/csv/obwody_glosowania_csv.zip")
voting_wards_after_the_second_round_of_elections.head(3)
Out[41]:
Nr OKW TERYT gminy Gmina Powiat Numer Mieszkańcy Wyborcy Siedziba Miejscowość Ulica Numer posesji Numer lokalu Kod pocztowy Poczta Typ obwodu Przystosowany dla niepełnosprawnych Typ obszaru Pełna siedziba Opis granic
0 5 46101 m. Bydgoszcz Bydgoszcz 149 1865 1528 Szkoła Podstawowa nr 60 Bydgoszcz ul. Bohaterów Kragujewca 10 NaN 85-863 Bydgoszcz stały Nie miasto Szkoła Podstawowa nr 60, ul. Bohaterów Kraguje... ulice: Chabrowa, Kąkolowa parzyste od nr 6 i n...
1 36 221502 m. Rumia wejherowski 4 2297 1803 Szkoła Podstawowa Nr 4 Rumia ul. Świętojańska 11 NaN 84-230 Rumia stały Tak miasto Szkoła Podstawowa Nr 4, ul. Świętojańska 11, 8... 3 Maja, Bydgoska, Elbląska, Grudziądzka, Harcm...
2 8 61102 m. Stoczek Łukowski łukowski 2 1043 797 Zespół Oświatowy w Stoczku Łukowskim Stoczek Łukowski Plac Wielgoska Stanisława 5 NaN 21-450 Stoczek Łukowski stały Tak miasto Zespół Oświatowy w Stoczku Łukowskim, Plac Wie... ulice: Adama Mickiewicza, Aleksandra Świętocho...

Composition of precinct election commissions in the SECOND round of elections

In [42]:
composition_of_precinct_election_commissions_in_the_first_round_of_elections = get_in_memory_data(url="https://wybory.gov.pl/prezydent20200628/data/2/csv/sklad_komisji_obwodowych_csv.zip")
composition_of_precinct_election_commissions_in_the_first_round_of_elections.head(3)
Out[42]:
TERYT gminy Nazwa gminy Powiat Nr obw. Nazwisko Imiona Funkcja
0 20101 m. Bolesławiec bolesławiecki 1 Glinicka-Grabowy Marta Anna Przewodniczący
1 20101 m. Bolesławiec bolesławiecki 1 Kowalczyk Alicja Rozalia Zastępca Przewodniczącego
2 20101 m. Bolesławiec bolesławiecki 1 Czerepak Daria Członek

Results of voting for candidates in the SECOND round of elections - by precincts

In [43]:
results_of_voting_for_candidates_in_the_SECOND_round_of_elections_by_precincts = get_in_memory_data(url="https://wybory.gov.pl/prezydent20200628/data/2/csv/wyniki_gl_na_kand_po_obwodach_csv.zip")
results_of_voting_for_candidates_in_the_SECOND_round_of_elections_by_precincts.head(3)

C:\ProgramData\Anaconda3\lib\site-packages\IPython\core\interactiveshell.py:3249: DtypeWarning: Columns (11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26,27,28,29,30,31,32,33,34) have mixed types. Specify dtype option on import or set low_memory=False.
  if (await self.run_code(code, result,  async_=asy)):
Out[43]:
Symbol kontrolny Nr OKW Kod TERYT Typ gminy Numer obwodu Typ obszaru Typ obwodu Siedziba Gmina Powiat Województwo Komisje obwodowe otrzymały kart do głosowania Liczba wyborców uprawnionych do głosowania Nie wykorzystano kart do głosowania Liczba wyborców, którym wydano karty do głosowania Liczba wyborców głosujących przez pełnomocnika Liczba wyborców głosujących na podstawie zaświadczenia o prawie do głosowania Liczba wyborców, którym wysłano pakiety wyborcze Liczba otrzymanych kopert zwrotnych Liczba kopert zwrotnych, w których nie było oświadczenia o osobistym i tajnym oddaniu głosu Liczba kopert zwrotnych, w których oświadczenie nie było podpisane Liczba kopert zwrotnych, w których nie było koperty na kartę do głosowania Liczba kopert zwrotnych, w których znajdowała się niezaklejona koperta na kartę do głosowania Liczba kopert na kartę do głosowania wrzuconych do urny Liczba kart wyjętych z urny W tym liczba kart wyjętych z kopert na kartę do głosowania Liczba kart nieważnych Liczba kart ważnych Liczba głosów nieważnych W tym z powodu postawienia znaku „X” obok nazwiska dwóch lub większej liczby kandydatów W tym z powodu niepostawienia znaku „X” obok nazwiska żadnego kandydata W tym z powodu postawienia znaku „X” wyłącznie obok skreślonego nazwiska kandydata Liczba głosów ważnych oddanych łącznie na wszystkich kandydatów Andrzej Sebastian DUDA Rafał Kazimierz TRZASKOWSKI
0 895d-f6e1-b110-eb28-305f-41ed-f198-feb7 2.0 20101.0 gmina miejska 1 miasto stały Szkoła Podstawowa Nr 3, ul. Ceramiczna 5, 59-7... m. Bolesławiec bolesławiecki dolnośląskie 1442 1522 453 989 0 10 7 7 0 0 0 0 7 996 7 0 996 4 2 2 NaN 992 480 512
1 a845-41c5-25ab-69cc-db28-e14c-0094-f682 2.0 20101.0 gmina miejska 2 miasto stały Szkoła Podstawowa Nr 3, ul. Ceramiczna 5, 59-7... m. Bolesławiec bolesławiecki dolnośląskie 1230 1314 341 889 0 19 13 13 0 0 0 0 13 902 13 0 902 4 3 1 NaN 898 362 536
2 e9c7-5837-846b-c2e2-c2df-3f68-6ac8-497f 2.0 20101.0 gmina miejska 3 miasto stały Szkoła Podstawowa Nr 5, ul. Dolne Młyny 60, 59... m. Bolesławiec bolesławiecki dolnośląskie 1307 1399 370 937 0 9 8 8 0 0 0 0 8 945 8 0 945 11 9 2 NaN 934 401 533

Results of voting for candidates in the SECOND round of elections - percentage by precincts

In [44]:
results_of_voting_for_candidates_in_the_SECOND_round_of_elections_percentage_by_precincts = get_in_memory_data(url="https://wybory.gov.pl/prezydent20200628/data/2/csv/wyniki_gl_na_kand_po_obwodach_proc_csv.zip")
results_of_voting_for_candidates_in_the_SECOND_round_of_elections_percentage_by_precincts.head(3)
Out[44]:
Symbol kontrolny Nr OKW Kod TERYT Typ gminy Numer obwodu Typ obszaru Typ obwodu Siedziba Gmina Powiat Województwo Frekwencja % głosów nieważnych W tym z powodu postawienia znaku „X” obok nazwiska dwóch lub większej liczby kandydatów W tym z powodu niepostawienia znaku „X” obok nazwiska żadnego kandydata W tym z powodu postawienia znaku „X” wyłącznie obok skreślonego nazwiska kandydata % głosów ważnych Andrzej Sebastian DUDA Rafał Kazimierz TRZASKOWSKI
0 895d-f6e1-b110-eb28-305f-41ed-f198-feb7 2.0 20101.0 gmina miejska 1 miasto stały Szkoła Podstawowa Nr 3, ul. Ceramiczna 5, 59-7... m. Bolesławiec bolesławiecki dolnośląskie 65,44 0,40 50,00 50,00 NaN 99,60 48,39 51,61
1 a845-41c5-25ab-69cc-db28-e14c-0094-f682 2.0 20101.0 gmina miejska 2 miasto stały Szkoła Podstawowa Nr 3, ul. Ceramiczna 5, 59-7... m. Bolesławiec bolesławiecki dolnośląskie 68,65 0,44 75,00 25,00 NaN 99,56 40,31 59,69
2 e9c7-5837-846b-c2e2-c2df-3f68-6ac8-497f 2.0 20101.0 gmina miejska 3 miasto stały Szkoła Podstawowa Nr 5, ul. Dolne Młyny 60, 59... m. Bolesławiec bolesławiecki dolnośląskie 67,55 1,16 81,82 18,18 NaN 98,84 42,93 57,07

Results of voting for candidates in the SECOND round of elections - by communes

In [45]:
results_of_voting_for_candidates_in_the_SECOND_round_of_elections_by_communes = get_in_memory_data(url="https://wybory.gov.pl/prezydent20200628/data/2/csv/wyniki_gl_na_kand_po_gminach_csv.zip")
results_of_voting_for_candidates_in_the_SECOND_round_of_elections_by_communes.head(3)
Out[45]:
Nr OKW Kod TERYT Rodzaj jednostki Gmina Powiat Województwo Komisje obwodowe otrzymały kart do głosowania Liczba wyborców uprawnionych do głosowania Nie wykorzystano kart do głosowania Liczba wyborców, którym wydano karty do głosowania Liczba wyborców głosujących przez pełnomocnika Liczba wyborców głosujących na podstawie zaświadczenia o prawie do głosowania Liczba wyborców, którym wysłano pakiety wyborcze Liczba otrzymanych kopert zwrotnych Liczba kopert zwrotnych, w których nie było oświadczenia o osobistym i tajnym oddaniu głosu Liczba kopert zwrotnych, w których oświadczenie nie było podpisane Liczba kopert zwrotnych, w których nie było koperty na kartę do głosowania Liczba kopert zwrotnych, w których znajdowała się niezaklejona koperta na kartę do głosowania Liczba kopert na kartę do głosowania wrzuconych do urny Liczba kart wyjętych z urny W tym liczba kart wyjętych z kopert na kartę do głosowania Liczba kart nieważnych Liczba kart ważnych Liczba głosów nieważnych W tym z powodu postawienia znaku „X” obok nazwiska dwóch lub większej liczby kandydatów W tym z powodu niepostawienia znaku „X” obok nazwiska żadnego kandydata W tym z powodu postawienia znaku „X” wyłącznie obok skreślonego nazwiska kandydata Liczba głosów ważnych oddanych łącznie na wszystkich kandydatów Andrzej Sebastian DUDA Rafał Kazimierz TRZASKOWSKI Liczba obwodów
0 2 20101 gmina miejska m. Bolesławiec bolesławiecki dolnośląskie 27753 29061 8826 18929 3 309 212 207 5 0 0 0 202 19130 202 1 19129 145 85 60 NaN 18984 7915 11069 23
1 2 20102 gmina wiejska gm. Bolesławiec bolesławiecki dolnośląskie 10455 11100 3273 7182 4 79 16 16 0 0 0 0 16 7198 16 0 7198 58 32 26 NaN 7140 3607 3533 11
2 2 20103 gmina wiejska gm. Gromadka bolesławiecki dolnośląskie 3964 4277 1380 2584 4 23 11 9 0 0 0 0 10 2592 9 0 2592 20 8 12 NaN 2572 1617 955 4

Results of voting for candidates in the SECOND round of elections - percentage by communes

In [46]:
results_of_voting_for_candidates_in_the_SECOND_round_of_elections_percentage_by_communes = get_in_memory_data(url="https://wybory.gov.pl/prezydent20200628/data/2/csv/wyniki_gl_na_kand_po_gminach_proc_csv.zip")
results_of_voting_for_candidates_in_the_SECOND_round_of_elections_percentage_by_communes.head(3)
Out[46]:
Nr OKW Kod TERYT Rodzaj jednostki Gmina Powiat Województwo Frekwencja % głosów nieważnych W tym z powodu postawienia znaku „X” obok nazwiska dwóch lub większej liczby kandydatów W tym z powodu niepostawienia znaku „X” obok nazwiska żadnego kandydata W tym z powodu postawienia znaku „X” wyłącznie obok skreślonego nazwiska kandydata % głosów ważnych Andrzej Sebastian DUDA Rafał Kazimierz TRZASKOWSKI Liczba obwodów
0 2 20101 gmina miejska m. Bolesławiec bolesławiecki dolnośląskie 65,82 0,76 58,62 41,38 NaN 99,24 41,69 58,31 23
1 2 20102 gmina wiejska gm. Bolesławiec bolesławiecki dolnośląskie 64,85 0,81 55,17 44,83 NaN 99,19 50,52 49,48 11
2 2 20103 gmina wiejska gm. Gromadka bolesławiecki dolnośląskie 60,60 0,77 40,00 60,00 NaN 99,23 62,87 37,13 4

Results of voting for candidates in the SECOND round of elections - by poviats

In [47]:
results_of_voting_for_candidates_in_the_SECOND_round_of_elections_by_poviats = get_in_memory_data(url="https://wybory.gov.pl/prezydent20200628/data/2/csv/wyniki_gl_na_kand_po_powiatach_csv.zip")
results_of_voting_for_candidates_in_the_SECOND_round_of_elections_by_poviats.head(3)
Out[47]:
Nr OKW Kod TERYT Powiat Województwo Komisje obwodowe otrzymały kart do głosowania Liczba wyborców uprawnionych do głosowania Nie wykorzystano kart do głosowania Liczba wyborców, którym wydano karty do głosowania Liczba wyborców głosujących przez pełnomocnika Liczba wyborców głosujących na podstawie zaświadczenia o prawie do głosowania Liczba wyborców, którym wysłano pakiety wyborcze Liczba otrzymanych kopert zwrotnych Liczba kopert zwrotnych, w których nie było oświadczenia o osobistym i tajnym oddaniu głosu Liczba kopert zwrotnych, w których oświadczenie nie było podpisane Liczba kopert zwrotnych, w których nie było koperty na kartę do głosowania Liczba kopert zwrotnych, w których znajdowała się niezaklejona koperta na kartę do głosowania Liczba kopert na kartę do głosowania wrzuconych do urny Liczba kart wyjętych z urny W tym liczba kart wyjętych z kopert na kartę do głosowania Liczba kart nieważnych Liczba kart ważnych Liczba głosów nieważnych W tym z powodu postawienia znaku „X” obok nazwiska dwóch lub większej liczby kandydatów W tym z powodu niepostawienia znaku „X” obok nazwiska żadnego kandydata W tym z powodu postawienia znaku „X” wyłącznie obok skreślonego nazwiska kandydata Liczba głosów ważnych oddanych łącznie na wszystkich kandydatów Andrzej Sebastian DUDA Rafał Kazimierz TRZASKOWSKI Liczba obwodów
0 2 20100 bolesławiecki dolnośląskie 63867 67800 21631 42238 13 633 356 342 6 0 1 1 335 42570 334 1 42569 322 179 143 NaN 42247 20966 21281 63
1 4 20200 dzierżoniowski dolnośląskie 73104 77836 24749 48353 54 878 441 423 9 1 3 2 408 48759 408 4 48755 413 235 178 NaN 48342 24383 23959 83
2 3 20300 głogowski dolnośląskie 63362 66323 19393 43970 20 719 309 298 12 2 0 0 284 44251 284 9 44242 363 231 132 NaN 43879 22722 21157 53

Results of voting for candidates in the SECOND round of elections - in percentage by poviats

In [48]:
results_of_voting_for_candidates_in_the_SECOND_round_of_elections_percentage_by_poviats = get_in_memory_data(url="https://wybory.gov.pl/prezydent20200628/data/2/csv/wyniki_gl_na_kand_po_powiatach_proc_csv.zip")
results_of_voting_for_candidates_in_the_SECOND_round_of_elections_percentage_by_poviats.head(3)
Out[48]:
Nr OKW Kod TERYT Powiat Województwo Frekwencja % głosów nieważnych W tym z powodu postawienia znaku „X” obok nazwiska dwóch lub większej liczby kandydatów W tym z powodu niepostawienia znaku „X” obok nazwiska żadnego kandydata W tym z powodu postawienia znaku „X” wyłącznie obok skreślonego nazwiska kandydata % głosów ważnych Andrzej Sebastian DUDA Rafał Kazimierz TRZASKOWSKI Liczba obwodów
0 2 20100 bolesławiecki dolnośląskie 62,79 0,76 55,59 44,41 NaN 99,24 49,63 50,37 63
1 4 20200 dzierżoniowski dolnośląskie 62,64 0,85 56,90 43,10 NaN 99,15 50,44 49,56 83
2 3 20300 głogowski dolnośląskie 66,71 0,82 63,64 36,36 NaN 99,18 51,78 48,22 53

Results of voting for candidates in the SECOND round of elections - by voivodship

In [49]:
results_of_voting_for_candidates_in_the_SECOND_round_of_elections_by_voivoidship = get_in_memory_data(url="https://wybory.gov.pl/prezydent20200628/data/2/csv/wyniki_gl_na_kand_po_wojewodztwach_csv.zip")
results_of_voting_for_candidates_in_the_SECOND_round_of_elections_by_voivoidship.head(3)
Out[49]:
Kod TERYT Województwo Komisje obwodowe otrzymały kart do głosowania Liczba wyborców uprawnionych do głosowania Nie wykorzystano kart do głosowania Liczba wyborców, którym wydano karty do głosowania Liczba wyborców głosujących przez pełnomocnika Liczba wyborców głosujących na podstawie zaświadczenia o prawie do głosowania Liczba wyborców, którym wysłano pakiety wyborcze Liczba otrzymanych kopert zwrotnych Liczba kopert zwrotnych, w których nie było oświadczenia o osobistym i tajnym oddaniu głosu Liczba kopert zwrotnych, w których oświadczenie nie było podpisane Liczba kopert zwrotnych, w których nie było koperty na kartę do głosowania Liczba kopert zwrotnych, w których znajdowała się niezaklejona koperta na kartę do głosowania Liczba kopert na kartę do głosowania wrzuconych do urny Liczba kart wyjętych z urny W tym liczba kart wyjętych z kopert na kartę do głosowania Liczba kart nieważnych Liczba kart ważnych Liczba głosów nieważnych W tym z powodu postawienia znaku „X” obok nazwiska dwóch lub większej liczby kandydatów W tym z powodu niepostawienia znaku „X” obok nazwiska żadnego kandydata W tym z powodu postawienia znaku „X” wyłącznie obok skreślonego nazwiska kandydata Liczba głosów ważnych oddanych łącznie na wszystkich kandydatów Andrzej Sebastian DUDA Rafał Kazimierz TRZASKOWSKI Liczba obwodów
0 20000 dolnośląskie 2065241 2240376 578311 1487041 1334 41527 15246 14478 272 24 76 33 14093 1501048 14091 155 1500893 12953 7494 5459 NaN 1487940 663831 824109 1947
1 40000 kujawsko-pomorskie 1466205 1572933 446875 1019344 1001 21694 8605 8325 184 12 37 6 8088 1027376 8088 34 1027342 8142 4813 3329 NaN 1019200 476728 542472 1653
2 60000 lubelskie 1553552 1671659 460483 1093077 2237 22592 12004 11616 249 12 53 15 11291 1104299 11288 52 1104247 10164 5720 4444 NaN 1094083 725453 368630 1906

Results of voting for candidates in the SECOND round of elections - by voivodship as a percentage

In [50]:
results_of_voting_for_candidates_in_the_SECOND_round_of_elections_percentage_by_voivoidship = get_in_memory_data(url="https://wybory.gov.pl/prezydent20200628/data/2/csv/wyniki_gl_na_kand_po_wojewodztwach_proc_csv.zip")
results_of_voting_for_candidates_in_the_SECOND_round_of_elections_percentage_by_voivoidship.head(3)
Out[50]:
Kod TERYT Województwo Frekwencja % głosów nieważnych W tym z powodu postawienia znaku „X” obok nazwiska dwóch lub większej liczby kandydatów W tym z powodu niepostawienia znaku „X” obok nazwiska żadnego kandydata W tym z powodu postawienia znaku „X” wyłącznie obok skreślonego nazwiska kandydata % głosów ważnych Andrzej Sebastian DUDA Rafał Kazimierz TRZASKOWSKI Liczba obwodów
0 20000 dolnośląskie 66,99 0,86 57,86 42,14 NaN 99,14 44,61 55,39 1947
1 40000 kujawsko-pomorskie 65,31 0,79 59,11 40,89 NaN 99,21 46,77 53,23 1653
2 60000 lubelskie 66,06 0,92 56,28 43,72 NaN 99,08 66,31 33,69 1906

Maps - examples by voivoidship and communes

In [51]:
get_current_working_directory()

Current Working Directory Set As: C:\Users\KonuTech\Downloads\election
Out[51]:
'C:\\Users\\KonuTech\\Downloads\\election'
In [52]:
get_list_of_files_from_directory(get_current_working_directory())

Current Working Directory Set As: C:\Users\KonuTech\Downloads\election


List Of Files: ['dudas_advantege_over_trzaskowski.html', 'dudas_support_by_communes.html', 'election_functions.ipynb', 'jednostki_administracyjne', 'jednostki_administracyjne.zip', 'LUDN_2137_XTAB_20200916001852.xlsx', 'RYNE_1944_XTAB_20200916002137.xlsx', 'trzaskowskis_support_by_communes.html', 'unemployment_rate.html', 'Wskazniki_dostepnosci_terytorialnej.xlsx']
From Directory: C:\Users\KonuTech\Downloads\election
Out[52]:
['dudas_advantege_over_trzaskowski.html',
 'dudas_support_by_communes.html',
 'election_functions.ipynb',
 'jednostki_administracyjne',
 'jednostki_administracyjne.zip',
 'LUDN_2137_XTAB_20200916001852.xlsx',
 'RYNE_1944_XTAB_20200916002137.xlsx',
 'trzaskowskis_support_by_communes.html',
 'unemployment_rate.html',
 'Wskazniki_dostepnosci_terytorialnej.xlsx']
In [53]:
gus_population = 'LUDN_2137_XTAB_20200916001852.xlsx'
gus_unemployment = 'RYNE_1944_XTAB_20200916002137.xlsx'
In [54]:
population = pd.read_excel(gus_population, sheet_name="TABLICA")
population.dropna(inplace=True)
population["Kod"]=population["Kod"].astype(int)
population["population"]=population["ogółem"].astype(int)
population = population[['Kod','population']]
population.info()

<class 'pandas.core.frame.DataFrame'>
Int64Index: 4168 entries, 3 to 4170
Data columns (total 2 columns):
Kod           4168 non-null int32
population    4168 non-null int32
dtypes: int32(2)
memory usage: 65.1 KB
In [55]:
unemployment = pd.read_excel(gus_unemployment, sheet_name="TABLICA")
unemployment.dropna(inplace=True)
unemployment["Kod"]=unemployment["Kod"].astype(int)
unemployment["unemployment"]=unemployment["ogółem"].astype(int)
unemployment = unemployment[['Kod','unemployment']]
unemployment.info()

<class 'pandas.core.frame.DataFrame'>
Int64Index: 4150 entries, 2 to 4151
Data columns (total 2 columns):
Kod             4150 non-null int32
unemployment    4150 non-null int32
dtypes: int32(2)
memory usage: 64.8 KB
In [56]:
gus_data = pd.merge(population, unemployment, how='inner', on='Kod')
gus_data
Out[56]:
Kod population unemployment
0 0 38382576 866374
1 200000 2900163 56022
2 201000 90103 1293
3 201011 38872 516
4 201022 14699 198
... ... ... ...
4145 3261011 107048 2202
4146 3262000 401907 4274
4147 3262011 401907 4274
4148 3263000 40888 495
4149 3263011 40888 495

4150 rows × 3 columns

In [57]:
gus_data['unemployment_rate'] = 100 * gus_data['unemployment'] / gus_data['population']
gus_data
Out[57]:
Kod population unemployment unemployment_rate
0 0 38382576 866374 2.257206
1 200000 2900163 56022 1.931685
2 201000 90103 1293 1.435024
3 201011 38872 516 1.327434
4 201022 14699 198 1.347030
... ... ... ... ...
4145 3261011 107048 2202 2.057021
4146 3262000 401907 4274 1.063430
4147 3262011 401907 4274 1.063430
4148 3263000 40888 495 1.210624
4149 3263011 40888 495 1.210624

4150 rows × 4 columns

In [58]:
get_current_working_directory()

Current Working Directory Set As: C:\Users\KonuTech\Downloads\election
Out[58]:
'C:\\Users\\KonuTech\\Downloads\\election'
In [59]:
gus_data["Kod_commune"] = gus_data["Kod"].apply(lambda x: '0'+str(x) if len(str(x)) < 7 else str(x))
gus_data.head()
Out[59]:
Kod population unemployment unemployment_rate Kod_commune
0 0 38382576 866374 2.257206 00
1 200000 2900163 56022 1.931685 0200000
2 201000 90103 1293 1.435024 0201000
3 201011 38872 516 1.327434 0201011
4 201022 14699 198 1.347030 0201022
In [60]:
gus_data['Kod_voivoidship'] = gus_data["Kod_commune"].apply(lambda s: s[:2])
gus_data.head()
Out[60]:
Kod population unemployment unemployment_rate Kod_commune Kod_voivoidship
0 0 38382576 866374 2.257206 00 00
1 200000 2900163 56022 1.931685 0200000 02
2 201000 90103 1293 1.435024 0201000 02
3 201011 38872 516 1.327434 0201011 02
4 201022 14699 198 1.347030 0201022 02
In [61]:
gus_data = gus_data[gus_data['Kod'] != '0']

C:\ProgramData\Anaconda3\lib\site-packages\pandas\core\ops\__init__.py:1115: FutureWarning: elementwise comparison failed; returning scalar instead, but in the future will perform elementwise comparison
  result = method(y)
In [62]:
# Voivoideships
gus_data_voivoidships = gus_data[gus_data["Kod_commune"].str[2:7] == '00000']
gus_data_voivoidships
Out[62]:
Kod population unemployment unemployment_rate Kod_commune Kod_voivoidship
1 200000 2900163 56022 1.931685 0200000 02
313 400000 2072373 64060 3.091142 0400000 04
551 600000 2108270 69379 3.290802 0600000 06
845 800000 1011592 18498 1.828603 0800000 08
1010 1000000 2454779 58722 2.392150 1000000 10
1264 1200000 3410901 62610 1.835585 1200000 12
1565 1400000 5423168 123208 2.271882 1400000 14
2028 1600000 982626 20948 2.131839 1600000 16
2178 1800000 2127164 75455 3.547211 1800000 18
2434 2000000 1178353 33277 2.824026 2000000 20
2624 2200000 2343928 41817 1.784057 2200000 22
2808 2400000 4517635 66521 1.472474 2400000 24
3056 2600000 1233961 42042 3.407077 2600000 26
3249 2800000 1422737 45731 3.214298 2800000 28
3455 3000000 3498733 46313 1.323708 3000000 30
3905 3200000 1696193 41771 2.462632 3200000 32
In [63]:
# Communes
gus_data_communes = gus_data[gus_data["Kod_commune"].str[4:7] != '000']
gus_data_communes
Out[63]:
Kod population unemployment unemployment_rate Kod_commune Kod_voivoidship
0 0 38382576 866374 2.257206 00 00
3 201011 38872 516 1.327434 0201011 02
4 201022 14699 198 1.347030 0201022 02
5 201032 5337 76 1.424021 0201032 02
6 201043 15214 234 1.538057 0201043 02
... ... ... ... ... ... ...
4142 3218054 2779 90 3.238575 3218054 32
4143 3218055 4111 262 6.373145 3218055 32
4145 3261011 107048 2202 2.057021 3261011 32
4147 3262011 401907 4274 1.063430 3262011 32
4149 3263011 40888 495 1.210624 3263011 32

3754 rows × 6 columns

In [64]:
voivoidships_map = gpd.read_file('C:\\Users\\KonuTech\\Downloads\\election\\jednostki_administracyjne\\Województwa.shp')
#voivoidships_map.dtypes
In [65]:
communes_map = gpd.read_file('C:\\Users\\KonuTech\\Downloads\\election\\jednostki_administracyjne\\gminy.shp')
#communes_map.dtypes
In [66]:
voivoidships_map = voivoidships_map[['JPT_KOD_JE', "geometry"]]
voivoidships_map.head()
Out[66]:
JPT_KOD_JE geometry
0 24 MULTIPOLYGON (((18.91685 51.09608, 18.91677 51...
1 16 POLYGON ((17.81203 51.18669, 17.81209 51.18670...
2 30 POLYGON ((16.71447 53.29913, 16.71447 53.29920...
3 26 POLYGON ((19.70430 50.75239, 19.70443 50.75248...
4 22 POLYGON ((17.66483 54.78297, 17.66653 54.78334...
In [67]:
communes_map = communes_map[['JPT_KOD_JE', "geometry"]]
communes_map.head()
Out[67]:
JPT_KOD_JE geometry
0 1211023 POLYGON ((20.46204 49.44509, 20.46203 49.44510...
1 1205092 POLYGON ((21.18392 49.63637, 21.18419 49.63677...
2 0208143 POLYGON ((16.40552 50.40402, 16.40503 50.40421...
3 0208092 POLYGON ((16.31290 50.44794, 16.31299 50.44799...
4 0612023 POLYGON ((21.91771 50.94934, 21.91763 50.94937...
In [68]:
voivoidships_map_data = pd.merge(voivoidships_map, gus_data_voivoidships, how='left', left_on='JPT_KOD_JE', right_on='Kod_voivoidship')
voivoidships_map_data
Out[68]:
JPT_KOD_JE geometry Kod population unemployment unemployment_rate Kod_commune Kod_voivoidship
0 24 MULTIPOLYGON (((18.91685 51.09608, 18.91677 51... 2400000 4517635 66521 1.472474 2400000 24
1 16 POLYGON ((17.81203 51.18669, 17.81209 51.18670... 1600000 982626 20948 2.131839 1600000 16
2 30 POLYGON ((16.71447 53.29913, 16.71447 53.29920... 3000000 3498733 46313 1.323708 3000000 30
3 26 POLYGON ((19.70430 50.75239, 19.70443 50.75248... 2600000 1233961 42042 3.407077 2600000 26
4 22 POLYGON ((17.66483 54.78297, 17.66653 54.78334... 2200000 2343928 41817 1.784057 2200000 22
5 04 POLYGON ((17.65670 53.57115, 17.65672 53.57115... 400000 2072373 64060 3.091142 0400000 04
6 20 POLYGON ((21.98108 52.97859, 21.98078 52.97861... 2000000 1178353 33277 2.824026 2000000 20
7 32 POLYGON ((14.81157 54.04037, 14.89525 54.05570... 3200000 1696193 41771 2.462632 3200000 32
8 02 POLYGON ((15.10534 51.42730, 15.10540 51.42732... 200000 2900163 56022 1.931685 0200000 02
9 18 POLYGON ((22.03538 50.80675, 22.03550 50.80681... 1800000 2127164 75455 3.547211 1800000 18
10 12 POLYGON ((19.97230 50.51625, 19.97227 50.51633... 1200000 3410901 62610 1.835585 1200000 12
11 28 POLYGON ((21.55932 54.32250, 21.55939 54.32250... 2800000 1422737 45731 3.214298 2800000 28
12 10 POLYGON ((19.99385 51.18395, 19.99410 51.18395... 1000000 2454779 58722 2.392150 1000000 10
13 14 POLYGON ((21.98576 52.97722, 21.98587 52.97708... 1400000 5423168 123208 2.271882 1400000 14
14 06 POLYGON ((21.61554 51.61756, 21.62194 51.62192... 600000 2108270 69379 3.290802 0600000 06
15 08 POLYGON ((15.10534 51.42730, 15.10521 51.42727... 800000 1011592 18498 1.828603 0800000 08
#voivoidships_map_data = voivoidships_map_data.to_crs(epsg=2180) fig, ax = plt.subplots(1, figsize = (8,8)) voivoidships_map_data.plot(column='unemployment_rate', ax=ax, cmap='YlOrRd', linewidth=0.8, edgecolor='gray') ax.axis('off') plt.show()
In [69]:
communes_map_data = pd.merge(communes_map, gus_data_communes, how='left', left_on='JPT_KOD_JE', right_on='Kod_commune')
communes_map_data
Out[69]:
JPT_KOD_JE geometry Kod population unemployment unemployment_rate Kod_commune Kod_voivoidship
0 1211023 POLYGON ((20.46204 49.44509, 20.46203 49.44510... 1211023.0 7204.0 270.0 3.747918 1211023 12
1 1205092 POLYGON ((21.18392 49.63637, 21.18419 49.63677... 1205092.0 4980.0 105.0 2.108434 1205092 12
2 0208143 POLYGON ((16.40552 50.40402, 16.40503 50.40421... 208143.0 7279.0 239.0 3.283418 0208143 02
3 0208092 POLYGON ((16.31290 50.44794, 16.31299 50.44799... 208092.0 1923.0 64.0 3.328133 0208092 02
4 0612023 POLYGON ((21.91771 50.94934, 21.91763 50.94937... 612023.0 6515.0 243.0 3.729854 0612023 06
... ... ... ... ... ... ... ... ...
2472 0216032 POLYGON ((16.24351 51.52204, 16.24330 51.52213... 216032.0 5402.0 152.0 2.813773 0216032 02
2473 0216022 POLYGON ((15.83150 51.57274, 15.82826 51.57274... 216022.0 3991.0 82.0 2.054623 0216022 02
2474 0404022 MULTIPOLYGON (((18.46312 53.34684, 18.46312 53... 404022.0 6092.0 215.0 3.529219 0404022 04
2475 2402072 POLYGON ((19.12591 49.79037, 19.12527 49.79041... 2402072.0 13024.0 98.0 0.752457 2402072 24
2476 2401052 MULTIPOLYGON (((19.11671 50.49725, 19.11654 50... 2401052.0 7635.0 95.0 1.244270 2401052 24

2477 rows × 8 columns

In [70]:
communes_map_data.info()

<class 'geopandas.geodataframe.GeoDataFrame'>
Int64Index: 2477 entries, 0 to 2476
Data columns (total 8 columns):
JPT_KOD_JE           2477 non-null object
geometry             2477 non-null geometry
Kod                  2473 non-null float64
population           2473 non-null float64
unemployment         2473 non-null float64
unemployment_rate    2473 non-null float64
Kod_commune          2473 non-null object
Kod_voivoidship      2473 non-null object
dtypes: float64(4), geometry(1), object(3)
memory usage: 174.2+ KB
communes_map_data.geometry = communes_map_data.geometry.simplify(0.005) # mniejsza wartosc = bardziej dokładnie communes_map_data_json = communes_map_data.to_json() mapa = folium.Map([52, 19], zoom_start=7) folium.Choropleth(geo_data=communes_map_data_json, data=communes_map_data, columns=['Kod_commune', 'unemployment_rate'], key_on='feature.properties.JPT_KOD_JE', fill_color='YlOrRd', fill_opacity=0.7, line_opacity=0.2, legend_name="Unemployment rate in communes").add_to(mapa) mapa.save(outfile = 'unemployment_rate.html') mapa

Duda's support by communes

In [73]:
results_of_voting_for_candidates_in_the_SECOND_round_of_elections_percentage_by_communes.head(3)
Out[73]:
Nr OKW Kod TERYT Rodzaj jednostki Gmina Powiat Województwo Frekwencja % głosów nieważnych W tym z powodu postawienia znaku „X” obok nazwiska dwóch lub większej liczby kandydatów W tym z powodu niepostawienia znaku „X” obok nazwiska żadnego kandydata W tym z powodu postawienia znaku „X” wyłącznie obok skreślonego nazwiska kandydata % głosów ważnych Andrzej Sebastian DUDA Rafał Kazimierz TRZASKOWSKI Liczba obwodów
0 2 20101 gmina miejska m. Bolesławiec bolesławiecki dolnośląskie 65,82 0,76 58,62 41,38 NaN 99,24 41,69 58,31 23
1 2 20102 gmina wiejska gm. Bolesławiec bolesławiecki dolnośląskie 64,85 0,81 55,17 44,83 NaN 99,19 50,52 49,48 11
2 2 20103 gmina wiejska gm. Gromadka bolesławiecki dolnośląskie 60,60 0,77 40,00 60,00 NaN 99,23 62,87 37,13 4
In [74]:
results_of_voting_for_candidates_in_the_SECOND_round_of_elections_percentage_by_communes["Kod TERYT"]=results_of_voting_for_candidates_in_the_SECOND_round_of_elections_percentage_by_communes["Kod TERYT"].astype(str)
results_of_voting_for_candidates_in_the_SECOND_round_of_elections_percentage_by_communes['Andrzej Sebastian DUDA'] = results_of_voting_for_candidates_in_the_SECOND_round_of_elections_percentage_by_communes['Andrzej Sebastian DUDA'].apply(lambda x: x.replace(',','.'))
results_of_voting_for_candidates_in_the_SECOND_round_of_elections_percentage_by_communes['Andrzej Sebastian DUDA'] = pd.to_numeric(results_of_voting_for_candidates_in_the_SECOND_round_of_elections_percentage_by_communes['Andrzej Sebastian DUDA'],errors='coerce')
results_of_voting_for_candidates_in_the_SECOND_round_of_elections_percentage_by_communes['Rafał Kazimierz TRZASKOWSKI'] = results_of_voting_for_candidates_in_the_SECOND_round_of_elections_percentage_by_communes['Rafał Kazimierz TRZASKOWSKI'].apply(lambda x: x.replace(',','.'))
results_of_voting_for_candidates_in_the_SECOND_round_of_elections_percentage_by_communes['Rafał Kazimierz TRZASKOWSKI'] = pd.to_numeric(results_of_voting_for_candidates_in_the_SECOND_round_of_elections_percentage_by_communes['Rafał Kazimierz TRZASKOWSKI'],errors='coerce')
In [75]:
results_of_voting_for_candidates_in_the_SECOND_round_of_elections_percentage_by_communes.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 2496 entries, 0 to 2495
Data columns (total 15 columns):
Nr OKW                                                                                     2496 non-null int64
Kod TERYT                                                                                  2496 non-null object
Rodzaj jednostki                                                                           2496 non-null object
Gmina                                                                                      2496 non-null object
Powiat                                                                                     2496 non-null object
Województwo                                                                                2496 non-null object
Frekwencja                                                                                 2496 non-null object
% głosów nieważnych                                                                        2496 non-null object
W tym z powodu postawienia znaku „X” obok nazwiska dwóch lub większej liczby kandydatów    2496 non-null object
W tym z powodu niepostawienia znaku „X” obok nazwiska żadnego kandydata                    2496 non-null object
W tym z powodu postawienia znaku „X” wyłącznie obok skreślonego nazwiska kandydata         0 non-null float64
% głosów ważnych                                                                           2496 non-null object
Andrzej Sebastian DUDA                                                                     2496 non-null float64
Rafał Kazimierz TRZASKOWSKI                                                                2496 non-null float64
Liczba obwodów                                                                             2496 non-null int64
dtypes: float64(3), int64(2), object(10)
memory usage: 292.6+ KB
In [76]:
pkw_data = results_of_voting_for_candidates_in_the_SECOND_round_of_elections_percentage_by_communes[["Kod TERYT", "Rodzaj jednostki", "Andrzej Sebastian DUDA", "Rafał Kazimierz TRZASKOWSKI"]]
pkw_data
Out[76]:
Kod TERYT Rodzaj jednostki Andrzej Sebastian DUDA Rafał Kazimierz TRZASKOWSKI
0 20101 gmina miejska 41.69 58.31
1 20102 gmina wiejska 50.52 49.48
2 20103 gmina wiejska 62.87 37.13
3 20104 gmina miejsko-wiejska 60.91 39.09
4 20105 gmina wiejska 51.17 48.83
... ... ... ... ...
2491 321804 gmina miejsko-wiejska 48.30 51.70
2492 321805 gmina miejsko-wiejska 52.79 47.21
2493 326101 gmina miejska 35.25 64.75
2494 326201 gmina miejska 36.32 63.68
2495 326301 gmina miejska 34.08 65.92

2496 rows × 4 columns

In [77]:
pkw_data["Rodzaj jednostki"].unique()
Out[77]:
array(['gmina miejska', 'gmina wiejska', 'gmina miejsko-wiejska',
       'dzielnica w m.st. Warszawa', 'statki', 'zagranica'], dtype=object)
In [78]:
pkw_data.loc[pkw_data['Rodzaj jednostki'] == "gmina miejska", 'Rodzaj jednostki number'] = '1'
pkw_data.loc[pkw_data['Rodzaj jednostki'] == "gmina wiejska", 'Rodzaj jednostki number'] = '2'
pkw_data.loc[pkw_data['Rodzaj jednostki'] == "gmina miejsko-wiejska", 'Rodzaj jednostki number'] = '3'
pkw_data.loc[pkw_data['Rodzaj jednostki'] == "dzielnica w m.st. Warszawa", 'Rodzaj jednostki number'] = '8'
pkw_data.loc[pkw_data['Rodzaj jednostki'] == "statki", 'Rodzaj jednostki number'] = '9'
pkw_data.loc[pkw_data['Rodzaj jednostki'] == "zagranica", 'Rodzaj jednostki number'] = '9'
pkw_data['Kod TERYT'] = pkw_data['Kod TERYT'].str.cat(pkw_data['Rodzaj jednostki number'],sep="")
pkw_data

C:\ProgramData\Anaconda3\lib\site-packages\pandas\core\indexing.py:376: SettingWithCopyWarning: 
A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_indexer,col_indexer] = value instead

See the caveats in the documentation: http://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy
  self.obj[key] = _infer_fill_value(value)
C:\ProgramData\Anaconda3\lib\site-packages\pandas\core\indexing.py:494: SettingWithCopyWarning: 
A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_indexer,col_indexer] = value instead

See the caveats in the documentation: http://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy
  self.obj[item] = s
C:\ProgramData\Anaconda3\lib\site-packages\ipykernel_launcher.py:7: SettingWithCopyWarning: 
A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_indexer,col_indexer] = value instead

See the caveats in the documentation: http://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy
  import sys
Out[78]:
Kod TERYT Rodzaj jednostki Andrzej Sebastian DUDA Rafał Kazimierz TRZASKOWSKI Rodzaj jednostki number
0 201011 gmina miejska 41.69 58.31 1
1 201022 gmina wiejska 50.52 49.48 2
2 201032 gmina wiejska 62.87 37.13 2
3 201043 gmina miejsko-wiejska 60.91 39.09 3
4 201052 gmina wiejska 51.17 48.83 2
... ... ... ... ... ...
2491 3218043 gmina miejsko-wiejska 48.30 51.70 3
2492 3218053 gmina miejsko-wiejska 52.79 47.21 3
2493 3261011 gmina miejska 35.25 64.75 1
2494 3262011 gmina miejska 36.32 63.68 1
2495 3263011 gmina miejska 34.08 65.92 1

2496 rows × 5 columns

In [79]:
# Gmina Bolesławiec, Dolnośląskie, Gmina miejska
pkw_data[pkw_data["Kod TERYT"] == "201011"]
Out[79]:
Kod TERYT Rodzaj jednostki Andrzej Sebastian DUDA Rafał Kazimierz TRZASKOWSKI Rodzaj jednostki number
0 201011 gmina miejska 41.69 58.31 1
In [80]:
pkw_data["Kod_commune"] = pkw_data["Kod TERYT"].apply(lambda x: '0'+str(x) if len(str(x)) < 7 else str(x))
pkw_data.head()

C:\ProgramData\Anaconda3\lib\site-packages\ipykernel_launcher.py:1: SettingWithCopyWarning: 
A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_indexer,col_indexer] = value instead

See the caveats in the documentation: http://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy
  """Entry point for launching an IPython kernel.
Out[80]:
Kod TERYT Rodzaj jednostki Andrzej Sebastian DUDA Rafał Kazimierz TRZASKOWSKI Rodzaj jednostki number Kod_commune
0 201011 gmina miejska 41.69 58.31 1 0201011
1 201022 gmina wiejska 50.52 49.48 2 0201022
2 201032 gmina wiejska 62.87 37.13 2 0201032
3 201043 gmina miejsko-wiejska 60.91 39.09 3 0201043
4 201052 gmina wiejska 51.17 48.83 2 0201052
In [81]:
# Communes
pkw_data_communes = pkw_data[pkw_data["Kod_commune"].str[4:7] != '000']
pkw_data_communes
Out[81]:
Kod TERYT Rodzaj jednostki Andrzej Sebastian DUDA Rafał Kazimierz TRZASKOWSKI Rodzaj jednostki number Kod_commune
0 201011 gmina miejska 41.69 58.31 1 0201011
1 201022 gmina wiejska 50.52 49.48 2 0201022
2 201032 gmina wiejska 62.87 37.13 2 0201032
3 201043 gmina miejsko-wiejska 60.91 39.09 3 0201043
4 201052 gmina wiejska 51.17 48.83 2 0201052
... ... ... ... ... ... ...
2491 3218043 gmina miejsko-wiejska 48.30 51.70 3 3218043
2492 3218053 gmina miejsko-wiejska 52.79 47.21 3 3218053
2493 3261011 gmina miejska 35.25 64.75 1 3261011
2494 3262011 gmina miejska 36.32 63.68 1 3262011
2495 3263011 gmina miejska 34.08 65.92 1 3263011

2496 rows × 6 columns

In [82]:
# Gmina Bolesławiec, Dolnośląskie, Gmina miejska
# https://romek.info/ut/dolnoslaskie.html
In [83]:
communes_map[communes_map["JPT_KOD_JE"] == "0201011"]
Out[83]:
JPT_KOD_JE geometry
592 0201011 POLYGON ((15.56824 51.22638, 15.56818 51.22651...
In [84]:
communes_map_data = pd.merge(communes_map, pkw_data_communes, how='left', left_on='JPT_KOD_JE', right_on='Kod_commune')
communes_map_data
Out[84]:
JPT_KOD_JE geometry Kod TERYT Rodzaj jednostki Andrzej Sebastian DUDA Rafał Kazimierz TRZASKOWSKI Rodzaj jednostki number Kod_commune
0 1211023 POLYGON ((20.46204 49.44509, 20.46203 49.44510... 1211023 gmina miejsko-wiejska 52.65 47.35 3 1211023
1 1205092 POLYGON ((21.18392 49.63637, 21.18419 49.63677... 1205092 gmina wiejska 63.33 36.67 2 1205092
2 0208143 POLYGON ((16.40552 50.40402, 16.40503 50.40421... 208143 gmina miejsko-wiejska 45.28 54.72 3 0208143
3 0208092 POLYGON ((16.31290 50.44794, 16.31299 50.44799... 208092 gmina wiejska 45.71 54.29 2 0208092
4 0612023 POLYGON ((21.91771 50.94934, 21.91763 50.94937... 612023 gmina miejsko-wiejska 76.59 23.41 3 0612023
... ... ... ... ... ... ... ... ...
2472 0216032 POLYGON ((16.24351 51.52204, 16.24330 51.52213... 216032 gmina wiejska 65.01 34.99 2 0216032
2473 0216022 POLYGON ((15.83150 51.57274, 15.82826 51.57274... 216022 gmina wiejska 65.53 34.47 2 0216022
2474 0404022 MULTIPOLYGON (((18.46312 53.34684, 18.46312 53... 404022 gmina wiejska 51.65 48.35 2 0404022
2475 2402072 POLYGON ((19.12591 49.79037, 19.12527 49.79041... 2402072 gmina wiejska 50.27 49.73 2 2402072
2476 2401052 MULTIPOLYGON (((19.11671 50.49725, 19.11654 50... 2401052 gmina wiejska 48.50 51.50 2 2401052

2477 rows × 8 columns

In [85]:
communes_map_data.info()

<class 'geopandas.geodataframe.GeoDataFrame'>
Int64Index: 2477 entries, 0 to 2476
Data columns (total 8 columns):
JPT_KOD_JE                     2477 non-null object
geometry                       2477 non-null geometry
Kod TERYT                      2476 non-null object
Rodzaj jednostki               2476 non-null object
Andrzej Sebastian DUDA         2476 non-null float64
Rafał Kazimierz TRZASKOWSKI    2476 non-null float64
Rodzaj jednostki number        2476 non-null object
Kod_commune                    2476 non-null object
dtypes: float64(2), geometry(1), object(5)
memory usage: 174.2+ KB
In [86]:
communes_map_data["Andrzej Sebastian DUDA"].unique()
Out[86]:
array([52.65, 63.33, 45.28, ..., 83.75, 65.01, 48.5 ])
In [87]:
communes_map_data['Dudas percentage of votes'] = communes_map_data['Andrzej Sebastian DUDA'] / 100
communes_map_data['Trzaskowskis percentage of votes'] = communes_map_data['Rafał Kazimierz TRZASKOWSKI'] / 100
communes_map_data['Difference in percentage points'] = communes_map_data['Trzaskowskis percentage of votes'] - communes_map_data['Dudas percentage of votes']
communes_map_data['Who won'] = communes_map_data['Dudas percentage of votes'].apply(lambda x: 1 if x > 0.5 else 0)
communes_map_data
Out[87]:
JPT_KOD_JE geometry Kod TERYT Rodzaj jednostki Andrzej Sebastian DUDA Rafał Kazimierz TRZASKOWSKI Rodzaj jednostki number Kod_commune Dudas percentage of votes Trzaskowskis percentage of votes Difference in percentage points Who won
0 1211023 POLYGON ((20.46204 49.44509, 20.46203 49.44510... 1211023 gmina miejsko-wiejska 52.65 47.35 3 1211023 0.5265 0.4735 -0.0530 1
1 1205092 POLYGON ((21.18392 49.63637, 21.18419 49.63677... 1205092 gmina wiejska 63.33 36.67 2 1205092 0.6333 0.3667 -0.2666 1
2 0208143 POLYGON ((16.40552 50.40402, 16.40503 50.40421... 208143 gmina miejsko-wiejska 45.28 54.72 3 0208143 0.4528 0.5472 0.0944 0
3 0208092 POLYGON ((16.31290 50.44794, 16.31299 50.44799... 208092 gmina wiejska 45.71 54.29 2 0208092 0.4571 0.5429 0.0858 0
4 0612023 POLYGON ((21.91771 50.94934, 21.91763 50.94937... 612023 gmina miejsko-wiejska 76.59 23.41 3 0612023 0.7659 0.2341 -0.5318 1
... ... ... ... ... ... ... ... ... ... ... ... ...
2472 0216032 POLYGON ((16.24351 51.52204, 16.24330 51.52213... 216032 gmina wiejska 65.01 34.99 2 0216032 0.6501 0.3499 -0.3002 1
2473 0216022 POLYGON ((15.83150 51.57274, 15.82826 51.57274... 216022 gmina wiejska 65.53 34.47 2 0216022 0.6553 0.3447 -0.3106 1
2474 0404022 MULTIPOLYGON (((18.46312 53.34684, 18.46312 53... 404022 gmina wiejska 51.65 48.35 2 0404022 0.5165 0.4835 -0.0330 1
2475 2402072 POLYGON ((19.12591 49.79037, 19.12527 49.79041... 2402072 gmina wiejska 50.27 49.73 2 2402072 0.5027 0.4973 -0.0054 1
2476 2401052 MULTIPOLYGON (((19.11671 50.49725, 19.11654 50... 2401052 gmina wiejska 48.50 51.50 2 2401052 0.4850 0.5150 0.0300 0

2477 rows × 12 columns

Duda's support by communes - Map

In [88]:
communes_map_data.geometry = communes_map_data.geometry.simplify(0.005) # mniejsza wartosc = bardziej dokładnie
communes_map_data_json = communes_map_data.to_json()
mapa = folium.Map([52, 19], zoom_start=7)
 
folium.Choropleth(geo_data=communes_map_data_json,
                  data=communes_map_data,
                  columns=['Kod_commune', 'Dudas percentage of votes'],
                  key_on='feature.properties.JPT_KOD_JE',
                  fill_color='YlOrRd', 
                  fill_opacity=1,
                  line_opacity=0.2,
                  legend_name="Dudas support by communes").add_to(mapa)

mapa.save(outfile = 'dudas_support_by_communes.html')

mapa
Out[88]:
Make this Notebook Trusted to load map: File -> Trust Notebook

Trzaskowski's support by communes - Map

In [89]:
communes_map_data.geometry = communes_map_data.geometry.simplify(0.005) # mniejsza wartosc = bardziej dokładnie
communes_map_data_json = communes_map_data.to_json()
mapa = folium.Map([52, 19], zoom_start=7)
 
folium.Choropleth(geo_data=communes_map_data_json,
                  data=communes_map_data,
                  columns=['Kod_commune', 'Trzaskowskis percentage of votes'],
                  key_on='feature.properties.JPT_KOD_JE',
                  fill_color='Blues', 
                  fill_opacity=1,
                  line_opacity=0.2,
                  legend_name="Trzaskowskis support by communes").add_to(mapa)

mapa.save(outfile = 'trzaskowskis_support_by_communes.html')

mapa
Out[89]:
Make this Notebook Trusted to load map: File -> Trust Notebook

Dudas advantege over Trzaskowski - Map

In [90]:
communes_map_data.geometry = communes_map_data.geometry.simplify(0.005) # mniejsza wartosc = bardziej dokładnie
communes_map_data_json = communes_map_data.to_json()
mapa = folium.Map([52, 19], zoom_start=7)
 
folium.Choropleth(geo_data=communes_map_data_json,
                  data=communes_map_data,
                  columns=['Kod_commune', 'Difference in percentage points'],
                  key_on='feature.properties.JPT_KOD_JE',
                  fill_color='RdBu', 
                  fill_opacity=1,
                  line_opacity=0.2,
                  legend_name="Dudas advantege over Trzaskowski").add_to(mapa)

mapa.save(outfile = 'dudas_advantege_over_trzaskowski.html')

mapa
Out[90]:
Make this Notebook Trusted to load map: File -> Trust Notebook

Who won at particular commune - Map

In [91]:
communes_map_data.geometry = communes_map_data.geometry.simplify(0.005) # mniejsza wartosc = bardziej dokładnie
communes_map_data_json = communes_map_data.to_json()
mapa = folium.Map([52, 19], zoom_start=7)
 
folium.Choropleth(geo_data=communes_map_data_json,
                  data=communes_map_data,
                  columns=['Kod_commune', 'Who won'],
                  key_on='feature.properties.JPT_KOD_JE',
                  fill_color='YlOrRd', 
                  fill_opacity=1,
                  line_opacity=0.2,
                  legend_name="Who won by communes - red: Duda").add_to(mapa)

mapa.save(outfile = 'dudas_advantege_over_trzaskowski.html')

mapa
Out[91]:
Make this Notebook Trusted to load map: File -> Trust Notebook

Wskaźnik dostępności terytotialnej do wybranych obiektów użyteczności publicznej

In [92]:
# https://stat.gov.pl/statystyki-eksperymentalne/obszary-funkcjonalne-oraz-dostepnosc-terytorialna/wskazniki-dostepnosci-terytorialnej-mieszkancow-polski-do-wybranych-obiektow-uzytecznosci-publicznej,2,1.html
In [93]:
get_current_working_directory()

Current Working Directory Set As: C:\Users\KonuTech\Downloads\election
Out[93]:
'C:\\Users\\KonuTech\\Downloads\\election'
In [94]:
get_list_of_files_from_directory(get_current_working_directory())

Current Working Directory Set As: C:\Users\KonuTech\Downloads\election


List Of Files: ['dudas_advantege_over_trzaskowski.html', 'dudas_support_by_communes.html', 'election_functions.ipynb', 'jednostki_administracyjne', 'jednostki_administracyjne.zip', 'LUDN_2137_XTAB_20200916001852.xlsx', 'RYNE_1944_XTAB_20200916002137.xlsx', 'trzaskowskis_support_by_communes.html', 'unemployment_rate.html', 'Wskazniki_dostepnosci_terytorialnej.xlsx']
From Directory: C:\Users\KonuTech\Downloads\election
Out[94]:
['dudas_advantege_over_trzaskowski.html',
 'dudas_support_by_communes.html',
 'election_functions.ipynb',
 'jednostki_administracyjne',
 'jednostki_administracyjne.zip',
 'LUDN_2137_XTAB_20200916001852.xlsx',
 'RYNE_1944_XTAB_20200916002137.xlsx',
 'trzaskowskis_support_by_communes.html',
 'unemployment_rate.html',
 'Wskazniki_dostepnosci_terytorialnej.xlsx']
In [95]:
indicators_of_territorial_accessibility = 'Wskazniki_dostepnosci_terytorialnej.xlsx'
In [96]:
territorial_accessibility_metadata = pd.read_excel(indicators_of_territorial_accessibility, sheet_name="METADANE")
territorial_accessibility_metadata
Out[96]:
TERYT Kod terytorialny gminy / dzielnicy
0 WOJEW Nazwa województwa
1 GMINA Nazwa gminy
2 POWIAT Nazwa powiatu
3 W1 Placówki wychowania przedszkolnego (bez oddzia...
4 W2 Placówki wychowania przedszkolnego
5 W3 Szkoły podstawowe dla dzieci
6 W4 Szkoły ponadgimnazjalne dla młodzieży (zasadni...
7 W5 Komendy/komisariaty/posterunki policji
8 W6 Straż pożarna
9 W7 Biblioteki publiczne (łącznie z filiami dla dz...
10 W8 Biblioteki publiczne (bez filii dla dzieci)
11 W9 Centra kultury, domy kultury, ośrodki kultury,...
12 W10 Przychodnie zdrowia świadczące usługi poz (łąc...
13 W11 Przychodnie zdrowia świadczące usługi poz (bez...
14 W12 Szpitale kliniczne (łącznie z dziecięcymi)
15 W13 Szpitale kliniczne (bez dziecięcych)
16 W14 Stacje pogotowia ratunkowego
17 W15 Szpitalne oddziały ratunkowe (łącznie z dzieci...
18 W16 Szpitalne oddziały ratunkowe (bez dziecięcych)
19 W17 Centra urazowe
20 W18 Urzędy gminne/miejskie/dzielnicowe (w ramach j...
21 W19 Starostwa powiatowe + urzędy miejskie w miasta...
22 W20 Sądy rejonowe (w ramach właściwości miejscowej)
23 NaN NaN
24 NaN 10% gmin o najsłabszej dostępności
25 NaN NaN
26 ODLEGLOSC - wartości w metrach NaN
27 CZAS - wartości w sekundach NaN
In [97]:
territorial_accessibility = pd.read_excel(indicators_of_territorial_accessibility, sheet_name="ODLEGLOSC")
territorial_accessibility["TERYT"] = territorial_accessibility.astype(str)
territorial_accessibility["Kod_commune"] = territorial_accessibility["TERYT"].apply(lambda x: '0' + str(x) if len(str(x)) < 7 else str(x))
territorial_accessibility.head(3)
Out[97]:
TERYT WOJEW GMINA POWIAT W1 W2 W3 W4 W5 W6 W7 W8 W9 W10 W11 W12 W13 W14 W15 W16 W17 W18 W19 W20 Kod_commune
0 201011 Dolnośląskie Bolesławiec bolesławiecki 699.8 772.7 715.6 757.7 929.7 1560.4 1213.5 1153.2 1349.5 751.4 718.0 62500.0 62500.0 2537.4 2549.3 2535.2 87499.4 1428.7 1318.8 2500.3 0201011
1 201022 Dolnośląskie Bolesławiec bolesławiecki 1786.8 1590.3 1754.7 6040.1 4318.5 5445.7 2528.1 2495.2 5951.4 3827.5 3761.6 66636.6 66451.2 7433.6 7399.4 7522.1 83919.3 7275.8 7475.9 7280.9 0201022
2 201032 Dolnośląskie Gromadka bolesławiecki 3814.2 2766.0 2785.0 12506.3 2472.7 2472.7 3631.5 3344.4 3473.5 3632.6 3367.3 54467.1 54879.5 15912.9 18838.8 18677.0 81957.2 3615.1 18930.5 18142.9 0201032
In [98]:
territorial_accessibility.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 2495 entries, 0 to 2494
Data columns (total 25 columns):
TERYT          2495 non-null object
WOJEW          2495 non-null object
GMINA          2495 non-null object
POWIAT         2495 non-null object
W1             2495 non-null float64
W2             2495 non-null float64
W3             2495 non-null float64
W4             2495 non-null float64
W5             2495 non-null float64
W6             2495 non-null float64
W7             2495 non-null float64
W8             2495 non-null float64
W9             2495 non-null float64
W10            2495 non-null float64
W11            2495 non-null float64
W12            2495 non-null float64
W13            2495 non-null float64
W14            2495 non-null float64
W15            2495 non-null float64
W16            2495 non-null float64
W17            2495 non-null float64
W18            2495 non-null float64
W19            2495 non-null float64
W20            2495 non-null float64
Kod_commune    2495 non-null object
dtypes: float64(20), object(5)
memory usage: 487.4+ KB
In [99]:
communes_map_data.head(3)
Out[99]:
JPT_KOD_JE geometry Kod TERYT Rodzaj jednostki Andrzej Sebastian DUDA Rafał Kazimierz TRZASKOWSKI Rodzaj jednostki number Kod_commune Dudas percentage of votes Trzaskowskis percentage of votes Difference in percentage points Who won
0 1211023 POLYGON ((20.46204 49.44509, 20.46999 49.46469... 1211023 gmina miejsko-wiejska 52.65 47.35 3 1211023 0.5265 0.4735 -0.0530 1
1 1205092 POLYGON ((21.18392 49.63637, 21.18862 49.64160... 1205092 gmina wiejska 63.33 36.67 2 1205092 0.6333 0.3667 -0.2666 1
2 0208143 POLYGON ((16.40552 50.40402, 16.37593 50.42153... 208143 gmina miejsko-wiejska 45.28 54.72 3 0208143 0.4528 0.5472 0.0944 0
In [100]:
communes_territorial_accessibility = pd.merge(communes_map_data, territorial_accessibility, how='left', left_on='JPT_KOD_JE', right_on='Kod_commune')
communes_territorial_accessibility
Out[100]:
JPT_KOD_JE geometry Kod TERYT Rodzaj jednostki Andrzej Sebastian DUDA Rafał Kazimierz TRZASKOWSKI Rodzaj jednostki number Kod_commune_x Dudas percentage of votes Trzaskowskis percentage of votes Difference in percentage points Who won TERYT WOJEW GMINA POWIAT W1 W2 W3 W4 W5 W6 W7 W8 W9 W10 W11 W12 W13 W14 W15 W16 W17 W18 W19 W20 Kod_commune_y
0 1211023 POLYGON ((20.46204 49.44509, 20.46999 49.46469... 1211023 gmina miejsko-wiejska 52.65 47.35 3 1211023 0.5265 0.4735 -0.0530 1 1211023 Małopolskie Szczawnica nowotarski 2021.6 1174.2 1453.7 2263.6 1863.3 1863.8 2359.9 2178.4 1970.8 2035.1 1840.5 62500.0 62500.0 7144.2 34859.5 34869.5 93644.9 1869.6 33673.0 41709.9 1211023
1 1205092 POLYGON ((21.18392 49.63637, 21.18862 49.64160... 1205092 gmina wiejska 63.33 36.67 2 1205092 0.6333 0.3667 -0.2666 1 1205092 Małopolskie Sękowa gorlicki 2881.7 2598.2 2642.0 9131.9 3954.6 3957.0 4896.0 4490.8 4247.1 3881.3 3686.9 150000.0 150000.0 8040.1 8873.2 8265.4 87524.7 4956.4 9862.8 10051.3 1205092
2 0208143 POLYGON ((16.40552 50.40402, 16.37593 50.42153... 208143 gmina miejsko-wiejska 45.28 54.72 3 0208143 0.4528 0.5472 0.0944 0 208143 Dolnośląskie Szczytna kłodzki 1881.3 2351.4 1990.4 4944.2 2500.9 2544.5 2275.6 2157.8 4779.6 2156.1 1959.6 96531.8 95569.7 6934.3 5920.7 5529.2 95727.7 3025.7 17029.4 15844.0 0208143
3 0208092 POLYGON ((16.31290 50.44794, 16.31288 50.45637... 208092 gmina wiejska 45.71 54.29 2 0208092 0.4571 0.5429 0.0858 0 208092 Dolnośląskie Lewin Kłodzki kłodzki 1970.6 1700.0 1826.9 5421.1 1766.2 1792.8 1775.2 1775.3 4739.0 1733.2 1698.6 150000.0 150000.0 6397.5 15485.1 15941.9 150000.0 1919.9 26445.5 26796.4 0208092
4 0612023 POLYGON ((21.91771 50.94934, 21.91158 50.96911... 612023 gmina miejsko-wiejska 76.59 23.41 3 0612023 0.7659 0.2341 -0.5318 1 NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN NaN
... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
2472 0216032 POLYGON ((16.24351 51.52204, 16.21101 51.52434... 216032 gmina wiejska 65.01 34.99 2 0216032 0.6501 0.3499 -0.3002 1 216032 Dolnośląskie Grębocice polkowicki 4013.4 4116.7 2932.9 9724.1 3514.8 3514.8 3075.5 3080.2 3344.9 3990.5 4020.8 34823.7 34689.3 12581.2 14787.5 14633.4 64199.7 4380.8 15378.6 12912.8 0216032
2473 0216022 POLYGON ((15.83150 51.57274, 15.82362 51.57274... 216022 gmina wiejska 65.53 34.47 2 0216022 0.6553 0.3447 -0.3106 1 216022 Dolnośląskie Gaworzyce polkowicki 2732.8 2424.5 2382.2 12102.8 2884.1 2884.1 1795.5 1844.5 2963.1 2392.5 2357.2 46122.9 46863.2 14071.3 14276.1 14051.9 46736.8 2834.8 21969.3 15000.0 0216022
2474 0404022 MULTIPOLYGON (((18.46312 53.34684, 18.47296 53... 404022 gmina wiejska 51.65 48.35 2 0404022 0.5165 0.4835 -0.0330 1 404022 Kujawsko-pomorskie Chełmno chełmiński 7804.6 3041.2 2977.2 8216.7 3182.4 3184.5 2628.0 2626.2 8576.0 4314.7 4395.9 46966.4 47303.7 9873.3 14961.6 14958.6 47483.9 8822.4 9051.0 9402.3 0404022
2475 2402072 POLYGON ((19.12591 49.79037, 19.11925 49.80016... 2402072 gmina wiejska 50.27 49.73 2 2402072 0.5027 0.4973 -0.0054 1 2402072 Śląskie Kozy bielski 1372.5 1286.1 1374.8 1626.3 1745.5 1745.5 1582.0 1538.5 1758.0 1710.9 1707.4 56212.2 56247.0 6787.8 14267.3 14120.1 62500.0 1752.0 10731.0 9846.2 2402072
2476 2401052 MULTIPOLYGON (((19.11671 50.49725, 19.13615 50... 2401052 gmina wiejska 48.50 51.50 2 2401052 0.4850 0.5150 0.0300 0 2401052 Śląskie Mierzęcice będziński 2391.3 1174.2 1474.8 9186.0 2300.3 2322.9 1261.0 1221.1 3009.8 3266.4 3286.1 32975.8 32909.5 3660.0 17293.3 17063.5 17505.9 3048.1 16267.2 24677.9 2401052

2477 rows × 37 columns

In [101]:
communes_territorial_accessibility["W1_percent"] = communes_territorial_accessibility["W1"] / communes_territorial_accessibility["W1"].max()
communes_territorial_accessibility["W2_percent"] = communes_territorial_accessibility["W2"] / communes_territorial_accessibility["W2"].max()
communes_territorial_accessibility["W3_percent"] = communes_territorial_accessibility["W3"] / communes_territorial_accessibility["W3"].max()
communes_territorial_accessibility["W4_percent"] = communes_territorial_accessibility["W4"] / communes_territorial_accessibility["W4"].max()
communes_territorial_accessibility["W5_percent"] = communes_territorial_accessibility["W5"] / communes_territorial_accessibility["W5"].max()
communes_territorial_accessibility["W6_percent"] = communes_territorial_accessibility["W6"] / communes_territorial_accessibility["W6"].max()
communes_territorial_accessibility["W7_percent"] = communes_territorial_accessibility["W7"] / communes_territorial_accessibility["W7"].max()
communes_territorial_accessibility["W8_percent"] = communes_territorial_accessibility["W8"] / communes_territorial_accessibility["W8"].max()
communes_territorial_accessibility["W9_percent"] = communes_territorial_accessibility["W9"] / communes_territorial_accessibility["W9"].max()
communes_territorial_accessibility["W10_percent"] = communes_territorial_accessibility["W10"] / communes_territorial_accessibility["W10"].max()
communes_territorial_accessibility["W11_percent"] = communes_territorial_accessibility["W11"] / communes_territorial_accessibility["W11"].max()
communes_territorial_accessibility["W12_percent"] = communes_territorial_accessibility["W12"] / communes_territorial_accessibility["W12"].max()
communes_territorial_accessibility["W13_percent"] = communes_territorial_accessibility["W13"] / communes_territorial_accessibility["W13"].max()
communes_territorial_accessibility["W14_percent"] = communes_territorial_accessibility["W14"] / communes_territorial_accessibility["W14"].max()
communes_territorial_accessibility["W15_percent"] = communes_territorial_accessibility["W15"] / communes_territorial_accessibility["W15"].max()
communes_territorial_accessibility["W16_percent"] = communes_territorial_accessibility["W16"] / communes_territorial_accessibility["W16"].max()
communes_territorial_accessibility["W17_percent"] = communes_territorial_accessibility["W17"] / communes_territorial_accessibility["W17"].max()
communes_territorial_accessibility["W18_percent"] = communes_territorial_accessibility["W18"] / communes_territorial_accessibility["W18"].max()
communes_territorial_accessibility["W19_percent"] = communes_territorial_accessibility["W19"] / communes_territorial_accessibility["W19"].max()
communes_territorial_accessibility["W20_percent"] = communes_territorial_accessibility["W20"] / communes_territorial_accessibility["W20"].max()
communes_territorial_accessibility.head(3)
Out[101]:
JPT_KOD_JE geometry Kod TERYT Rodzaj jednostki Andrzej Sebastian DUDA Rafał Kazimierz TRZASKOWSKI Rodzaj jednostki number Kod_commune_x Dudas percentage of votes Trzaskowskis percentage of votes Difference in percentage points Who won TERYT WOJEW GMINA POWIAT W1 W2 W3 W4 W5 W6 W7 W8 W9 W10 W11 W12 W13 W14 W15 W16 W17 W18 W19 W20 Kod_commune_y W1_percent W2_percent W3_percent W4_percent W5_percent W6_percent W7_percent W8_percent W9_percent W10_percent W11_percent W12_percent W13_percent W14_percent W15_percent W16_percent W17_percent W18_percent W19_percent W20_percent
0 1211023 POLYGON ((20.46204 49.44509, 20.46999 49.46469... 1211023 gmina miejsko-wiejska 52.65 47.35 3 1211023 0.5265 0.4735 -0.0530 1 1211023 Małopolskie Szczawnica nowotarski 2021.6 1174.2 1453.7 2263.6 1863.3 1863.8 2359.9 2178.4 1970.8 2035.1 1840.5 62500.0 62500.0 7144.2 34859.5 34869.5 93644.9 1869.6 33673.0 41709.9 1211023 0.129702 0.138411 0.206459 0.132847 0.107677 0.113076 0.253260 0.232076 0.120314 0.170113 0.152570 0.270710 0.255553 0.262610 0.636429 0.636237 0.441993 0.155797 1.000000 0.769531
1 1205092 POLYGON ((21.18392 49.63637, 21.18862 49.64160... 1205092 gmina wiejska 63.33 36.67 2 1205092 0.6333 0.3667 -0.2666 1 1205092 Małopolskie Sękowa gorlicki 2881.7 2598.2 2642.0 9131.9 3954.6 3957.0 4896.0 4490.8 4247.1 3881.3 3686.9 150000.0 150000.0 8040.1 8873.2 8265.4 87524.7 4956.4 9862.8 10051.3 1205092 0.184884 0.306269 0.375225 0.535938 0.228530 0.240070 0.525429 0.478427 0.259278 0.324437 0.305629 0.649703 0.613327 0.295542 0.161998 0.150813 0.413106 0.413026 0.292899 0.185443
2 0208143 POLYGON ((16.40552 50.40402, 16.37593 50.42153... 208143 gmina miejsko-wiejska 45.28 54.72 3 0208143 0.4528 0.5472 0.0944 0 208143 Dolnośląskie Szczytna kłodzki 1881.3 2351.4 1990.4 4944.2 2500.9 2544.5 2275.6 2157.8 4779.6 2156.1 1959.6 96531.8 95569.7 6934.3 5920.7 5529.2 95727.7 3025.7 17029.4 15844.0 0208143 0.120701 0.277177 0.282683 0.290168 0.144523 0.154374 0.244213 0.229881 0.291786 0.180228 0.162443 0.418113 0.390770 0.254894 0.108094 0.100887 0.451823 0.252137 0.505729 0.292316
In [102]:
communes_territorial_accessibility["Placówki wychowania przedszkolnego (bez oddzia..._percent of max"] = communes_territorial_accessibility["W1"] / communes_territorial_accessibility["W1"].max()
communes_territorial_accessibility["Placówki wychowania przedszkolnego_percent of max"] = communes_territorial_accessibility["W2"] / communes_territorial_accessibility["W2"].max()
communes_territorial_accessibility["Szkoły podstawowe dla dzieci_percent of max"] = communes_territorial_accessibility["W3"] / communes_territorial_accessibility["W3"].max()
communes_territorial_accessibility["Szkoły ponadgimnazjalne dla młodzieży (zasadni..._percent of max"] = communes_territorial_accessibility["W4"] / communes_territorial_accessibility["W4"].max()
communes_territorial_accessibility["Komendy/komisariaty/posterunki policji_percent of max"] = communes_territorial_accessibility["W5"] / communes_territorial_accessibility["W5"].max()
communes_territorial_accessibility["Straż pożarna_percent of max"] = communes_territorial_accessibility["W6"] / communes_territorial_accessibility["W6"].max()
communes_territorial_accessibility["Biblioteki publiczne (łącznie z filiami dla dz..._percent of max"] = communes_territorial_accessibility["W7"] / communes_territorial_accessibility["W7"].max()
communes_territorial_accessibility["Biblioteki publiczne (bez filii dla dzieci)_percent of max"] = communes_territorial_accessibility["W8"] / communes_territorial_accessibility["W8"].max()
communes_territorial_accessibility["Centra kultury, domy kultury, ośrodki kultury,..._percent of max"] = communes_territorial_accessibility["W9"] / communes_territorial_accessibility["W9"].max()
communes_territorial_accessibility["Przychodnie zdrowia świadczące usługi poz (łąc..._percent of max"] = communes_territorial_accessibility["W10"] / communes_territorial_accessibility["W10"].max()
communes_territorial_accessibility["Przychodnie zdrowia świadczące usługi poz (bez..._percent of max"] = communes_territorial_accessibility["W11"] / communes_territorial_accessibility["W11"].max()
communes_territorial_accessibility["Szpitale kliniczne (łącznie z dziecięcymi)_percent of max"] = communes_territorial_accessibility["W12"] / communes_territorial_accessibility["W12"].max()
communes_territorial_accessibility["Szpitale kliniczne (bez dziecięcych)_percent of max"] = communes_territorial_accessibility["W13"] / communes_territorial_accessibility["W13"].max()
communes_territorial_accessibility["Stacje pogotowia ratunkowego_percent of max"] = communes_territorial_accessibility["W14"] / communes_territorial_accessibility["W14"].max()
communes_territorial_accessibility["Szpitalne oddziały ratunkowe (łącznie z dzieci..._percent of max"] = communes_territorial_accessibility["W15"] / communes_territorial_accessibility["W15"].max()
communes_territorial_accessibility["Szpitalne oddziały ratunkowe (bez dziecięcych)_percent of max"] = communes_territorial_accessibility["W16"] / communes_territorial_accessibility["W16"].max()
communes_territorial_accessibility["Centra urazowe_percent of max"] = communes_territorial_accessibility["W17"] / communes_territorial_accessibility["W17"].max()
communes_territorial_accessibility["Urzędy gminne/miejskie/dzielnicowe (w ramach j..._percent of max"] = communes_territorial_accessibility["W18"] / communes_territorial_accessibility["W18"].max()
communes_territorial_accessibility["Starostwa powiatowe + urzędy miejskie w miasta..._percent of max"] = communes_territorial_accessibility["W19"] / communes_territorial_accessibility["W19"].max()
communes_territorial_accessibility["Sądy rejonowe (w ramach właściwości miejscowej)_percent of max"] = communes_territorial_accessibility["W20"] / communes_territorial_accessibility["W20"].max()

communes_territorial_accessibility.head(3)
Out[102]:
JPT_KOD_JE geometry Kod TERYT Rodzaj jednostki Andrzej Sebastian DUDA Rafał Kazimierz TRZASKOWSKI Rodzaj jednostki number Kod_commune_x Dudas percentage of votes Trzaskowskis percentage of votes Difference in percentage points Who won TERYT WOJEW GMINA POWIAT W1 W2 W3 W4 W5 W6 W7 W8 W9 W10 W11 W12 W13 W14 W15 W16 W17 W18 W19 W20 Kod_commune_y W1_percent W2_percent W3_percent W4_percent W5_percent W6_percent W7_percent W8_percent W9_percent W10_percent W11_percent W12_percent W13_percent W14_percent W15_percent W16_percent W17_percent W18_percent W19_percent W20_percent Placówki wychowania przedszkolnego (bez oddzia..._percent of max Placówki wychowania przedszkolnego_percent of max Szkoły podstawowe dla dzieci_percent of max Szkoły ponadgimnazjalne dla młodzieży (zasadni..._percent of max Komendy/komisariaty/posterunki policji_percent of max Straż pożarna_percent of max Biblioteki publiczne (łącznie z filiami dla dz..._percent of max Biblioteki publiczne (bez filii dla dzieci)_percent of max Centra kultury, domy kultury, ośrodki kultury,..._percent of max Przychodnie zdrowia świadczące usługi poz (łąc..._percent of max Przychodnie zdrowia świadczące usługi poz (bez..._percent of max Szpitale kliniczne (łącznie z dziecięcymi)_percent of max Szpitale kliniczne (bez dziecięcych)_percent of max Stacje pogotowia ratunkowego_percent of max Szpitalne oddziały ratunkowe (łącznie z dzieci..._percent of max Szpitalne oddziały ratunkowe (bez dziecięcych)_percent of max Centra urazowe_percent of max Urzędy gminne/miejskie/dzielnicowe (w ramach j..._percent of max Starostwa powiatowe + urzędy miejskie w miasta..._percent of max Sądy rejonowe (w ramach właściwości miejscowej)_percent of max
0 1211023 POLYGON ((20.46204 49.44509, 20.46999 49.46469... 1211023 gmina miejsko-wiejska 52.65 47.35 3 1211023 0.5265 0.4735 -0.0530 1 1211023 Małopolskie Szczawnica nowotarski 2021.6 1174.2 1453.7 2263.6 1863.3 1863.8 2359.9 2178.4 1970.8 2035.1 1840.5 62500.0 62500.0 7144.2 34859.5 34869.5 93644.9 1869.6 33673.0 41709.9 1211023 0.129702 0.138411 0.206459 0.132847 0.107677 0.113076 0.253260 0.232076 0.120314 0.170113 0.152570 0.270710 0.255553 0.262610 0.636429 0.636237 0.441993 0.155797 1.000000 0.769531 0.129702 0.138411 0.206459 0.132847 0.107677 0.113076 0.253260 0.232076 0.120314 0.170113 0.152570 0.270710 0.255553 0.262610 0.636429 0.636237 0.441993 0.155797 1.000000 0.769531
1 1205092 POLYGON ((21.18392 49.63637, 21.18862 49.64160... 1205092 gmina wiejska 63.33 36.67 2 1205092 0.6333 0.3667 -0.2666 1 1205092 Małopolskie Sękowa gorlicki 2881.7 2598.2 2642.0 9131.9 3954.6 3957.0 4896.0 4490.8 4247.1 3881.3 3686.9 150000.0 150000.0 8040.1 8873.2 8265.4 87524.7 4956.4 9862.8 10051.3 1205092 0.184884 0.306269 0.375225 0.535938 0.228530 0.240070 0.525429 0.478427 0.259278 0.324437 0.305629 0.649703 0.613327 0.295542 0.161998 0.150813 0.413106 0.413026 0.292899 0.185443 0.184884 0.306269 0.375225 0.535938 0.228530 0.240070 0.525429 0.478427 0.259278 0.324437 0.305629 0.649703 0.613327 0.295542 0.161998 0.150813 0.413106 0.413026 0.292899 0.185443
2 0208143 POLYGON ((16.40552 50.40402, 16.37593 50.42153... 208143 gmina miejsko-wiejska 45.28 54.72 3 0208143 0.4528 0.5472 0.0944 0 208143 Dolnośląskie Szczytna kłodzki 1881.3 2351.4 1990.4 4944.2 2500.9 2544.5 2275.6 2157.8 4779.6 2156.1 1959.6 96531.8 95569.7 6934.3 5920.7 5529.2 95727.7 3025.7 17029.4 15844.0 0208143 0.120701 0.277177 0.282683 0.290168 0.144523 0.154374 0.244213 0.229881 0.291786 0.180228 0.162443 0.418113 0.390770 0.254894 0.108094 0.100887 0.451823 0.252137 0.505729 0.292316 0.120701 0.277177 0.282683 0.290168 0.144523 0.154374 0.244213 0.229881 0.291786 0.180228 0.162443 0.418113 0.390770 0.254894 0.108094 0.100887 0.451823 0.252137 0.505729 0.292316
In [103]:
tst = communes_territorial_accessibility.columns.values.tolist()
tst[-20:]
Out[103]:
['Placówki wychowania przedszkolnego (bez oddzia..._percent of max',
 'Placówki wychowania przedszkolnego_percent of max',
 'Szkoły podstawowe dla dzieci_percent of max',
 'Szkoły ponadgimnazjalne dla młodzieży (zasadni..._percent of max',
 'Komendy/komisariaty/posterunki policji_percent of max',
 'Straż pożarna_percent of max',
 'Biblioteki publiczne (łącznie z filiami dla dz..._percent of max',
 'Biblioteki publiczne (bez filii dla dzieci)_percent of max',
 'Centra kultury, domy kultury, ośrodki kultury,..._percent of max',
 'Przychodnie zdrowia świadczące usługi poz (łąc..._percent of max',
 'Przychodnie zdrowia świadczące usługi poz (bez..._percent of max',
 'Szpitale kliniczne (łącznie z dziecięcymi)_percent of max',
 'Szpitale kliniczne (bez dziecięcych)_percent of max',
 'Stacje pogotowia ratunkowego_percent of max',
 'Szpitalne oddziały ratunkowe (łącznie z dzieci..._percent of max',
 'Szpitalne oddziały ratunkowe (bez dziecięcych)_percent of max',
 'Centra urazowe_percent of max',
 'Urzędy gminne/miejskie/dzielnicowe (w ramach j..._percent of max',
 'Starostwa powiatowe + urzędy miejskie w miasta..._percent of max',
 'Sądy rejonowe (w ramach właściwości miejscowej)_percent of max']

Is there a positive relation between "Indicators of territorial accessibility" and the size of the support shown for Duda during last elections among all communes? Higher X exhibits larger distance to specific facility

In [104]:
communes_territorial_accessibility_columns = communes_territorial_accessibility.columns.values.tolist()

for i in communes_territorial_accessibility_columns[-20:]:
    plot = sns.jointplot(x=i, y='Dudas percentage of votes', data=communes_territorial_accessibility, kind='reg', marker="+", color="r")
    plot.ax_joint.axhline(y=0.5)
    plot.ax_joint.axvline(x=0.5)
    plot.ax_marg_x.set_xlim(0, 1)
    plot.ax_marg_y.set_ylim(0, 1)
    #sns.jointplot(x=i, y='Trzaskowskis percentage of votes', data=communes_territorial_accessibility, kind='reg', marker="+", color="b")

C:\ProgramData\Anaconda3\lib\site-packages\seaborn\axisgrid.py:1741: UserWarning: Tight layout not applied. tight_layout cannot make axes width small enough to accommodate all axes decorations
  f.tight_layout()
C:\ProgramData\Anaconda3\lib\site-packages\seaborn\axisgrid.py:1741: UserWarning: Tight layout not applied. tight_layout cannot make axes width small enough to accommodate all axes decorations
  f.tight_layout()
C:\ProgramData\Anaconda3\lib\site-packages\seaborn\axisgrid.py:1741: UserWarning: Tight layout not applied. tight_layout cannot make axes width small enough to accommodate all axes decorations
  f.tight_layout()
C:\ProgramData\Anaconda3\lib\site-packages\seaborn\axisgrid.py:1741: UserWarning: Tight layout not applied. tight_layout cannot make axes width small enough to accommodate all axes decorations
  f.tight_layout()
C:\ProgramData\Anaconda3\lib\site-packages\seaborn\axisgrid.py:1741: UserWarning: Tight layout not applied. tight_layout cannot make axes width small enough to accommodate all axes decorations
  f.tight_layout()
C:\ProgramData\Anaconda3\lib\site-packages\seaborn\axisgrid.py:1741: UserWarning: Tight layout not applied. tight_layout cannot make axes width small enough to accommodate all axes decorations
  f.tight_layout()
C:\ProgramData\Anaconda3\lib\site-packages\seaborn\axisgrid.py:1741: UserWarning: Tight layout not applied. tight_layout cannot make axes width small enough to accommodate all axes decorations
  f.tight_layout()
C:\ProgramData\Anaconda3\lib\site-packages\seaborn\axisgrid.py:1741: UserWarning: Tight layout not applied. tight_layout cannot make axes width small enough to accommodate all axes decorations
  f.tight_layout()
C:\ProgramData\Anaconda3\lib\site-packages\seaborn\axisgrid.py:1741: UserWarning: Tight layout not applied. tight_layout cannot make axes width small enough to accommodate all axes decorations
  f.tight_layout()
C:\ProgramData\Anaconda3\lib\site-packages\seaborn\axisgrid.py:1741: UserWarning: Tight layout not applied. tight_layout cannot make axes width small enough to accommodate all axes decorations
  f.tight_layout()
C:\ProgramData\Anaconda3\lib\site-packages\seaborn\axisgrid.py:1741: UserWarning: Tight layout not applied. tight_layout cannot make axes width small enough to accommodate all axes decorations
  f.tight_layout()
In [ ]: